PCANET理解

参考《（论文精读）PCANet：一种简单的图像分类的深度学习基线》

第一步，先对N图像分块，每个分块向量化，所有图像的分块向量进行pca，得到最大的前m个特征向量，每幅图像的每个分块乘以每一个特征向量得到N*m幅图像。

假设第二部去前h个最大的特征向量，和第一步一样，最终得到N*m*h幅图像。

        将第一层的每个输出矩阵，分成b块的原因是，如果不分块，就会出现全局直方图相同，但是局部直方图（局部信息）不相同的情况，局部信息不同就是不同的图形。所以分块越小越好，但是分块越小，fi会越长，可能计算量就会越大。