为什么映射到高维空间后,总体散度矩阵的特征向量可以写成高维向量的线性组合:
从这幅图中可以看出,
令的特征向量是
=
,则有下面的等式
令=
为什么
模是
?这一点的参考文献是:Nonlinear Component Analysis as a Kernel Eigenvalue Problem
,又因为matlab奇异值分解后的特征向量的模是1,所以,在求
时,需要乘以
,即
=
*
同理可得
为什么映射到高维空间后,总体散度矩阵的特征向量可以写成高维向量的线性组合:
从这幅图中可以看出,
令的特征向量是
=
,则有下面的等式
令=
为什么
模是
?这一点的参考文献是:Nonlinear Component Analysis as a Kernel Eigenvalue Problem
,又因为matlab奇异值分解后的特征向量的模是1,所以,在求
时,需要乘以
,即
=
*
同理可得