文件大小:9.3M
源码说明:带中文注释
开发环境:Matlab2016a 以上版本
下载地址:点击下载
简要概述:
PCA介绍
主成分分析(Principal Component Analysis, 简称PCA)是常用的一种降维方法.
算法步骤:
输入: 样本集 D={x_1, x_2, …, x_m}, 低维空间维数 d’
过程:
对所有样本进行中心化: x_i \leftarrow x_i - \frac{1}{m} \sum_{i=1}^{m} x_i;
计算样本的协方差矩阵: XX^T(有时用散布矩阵, 二者只相差一个倍数);
对协方差矩阵 XX^T 做特征值分解;
取最大的 d’ 个特征值所对应的特征向量 w_1, w_2, …, w_{d’}.
输出: 投影矩阵 W = (w_1, w_2, …, w_{d’}) .
本例中使用PCA算法对人脸图片进行降维:人脸图片原始大小为 112 \times 92 , 被拉长为 112 \times 92 = 10304 维向量, 利用PCA将这样的数据降维, 供后续匹配.
Matlab编写的PCA+SVM人脸识别
于 2022-02-21 13:01:58 首次发布