模式识别方PCA实验报告资料.docVIP

模式识别作业 《模式识别》大作业人脸识别方法一 ---- 基于PCA和欧几里得距离判据的模板匹配分类器 理论知识 1、主成分分析 主成分分析是把多个特征映射为少数几个综合特征的一种统计分析方法。在多特征的研究中，往往由于特征个数太多，且彼此之间存在着一定的相关性，因而使得所观测的数据在一定程度上有信息的重叠。当特征较多时，在高维空间中研究样本的分布规律就更麻烦。主成分分析采取一种降维的方法，找出几个综合因子来代表原来众多的特征，使这些综合因子尽可能地反映原来变量的信息，而且彼此之间互不相关，从而达到简化的目的。主成分的表示相当于把原来的特征进行坐标变换（乘以一个变换矩阵），得到相关性较小（严格来说是零）的综合因子。 1.1 问题的提出 一般来说，如果N个样品中的每个样品有n个特征，经过主成分分析，将它们综合成n综合变量，即 由下列原则决定： 1、和（，i,j = 1,2,...n）相互独立； 2、y的排序原则是方差从大到小。这样的综合指标因子分别是原变量的第1、第2、……、第n个主分量，它们的方差依次递减。 1.2 主成分的导出 我们观察上述方程组，用我们熟知的矩阵表示，设是一个n维随机向量，是满足上式的新变量所构成的向量。于是我们可以写成Y=CX,C是一个正交矩阵，满足CC’=I。 坐标旋转是指新坐标轴相互正交，仍构成一个直角坐标系。变换后的N个点在轴上有最大方差，而在轴