本文介绍了多种特征提取方法，包括全局特征的PCA、LDA、CCA、LLS、PLS和LPP，以及局部特征提取的HOG、LBP、Haar-like特征和SIFT。详细阐述了这些方法的理论和应用，如PCA的主成分分析，LDA的线性判别式分析，典型相关分析CCA，以及SIFT特征在图像匹配中的作用。
1.全局特征
（1）PCA主成分分析
PCA算法学习_2(PCA理论的matlab实现)：http://www.cnblogs.com/tornadomeet/archive/2012/12/30/2839615.html
主成分分析 PCA算法 ：http://blog.sina.com.cn/s/blog_59d470310100j7f1.html
基于PCA的特征提取：http://blog.csdn.net/cui134/article/details/22877239
『特征降维』PCA原理-Principal Component Analysis：http://blog.csdn.net/shine19930820/article/details/71037209
（2）LDA线性判别式分析
LDA算法入门：http://blog.csdn.net/warmyellow/article/details/5454943
（3）CCA典型关联分析
最低0.47元/天 解锁文章
扫一扫
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
