人工智能降维剖析.pptVIP

人工智能 --- 降维方法 PPT讲解：奚蒙 PPT制作：刘磊 2015年12月10日 降维是把采集的数据从一个高维空间映射到维度要低得多的一个新的空间的过程。而这个过程是与信息（有损）压缩概念密切相关的。有以下几个原因，以减少数据的维数。 首先，高维数据带来对计算的极大挑战。并且，在某些情况下，高维可能会导致算法的学习具有较差的泛化能力（例如，在最近邻分类的样品的复杂性随着维度增加呈现指数增加）最后，降维可以用于数据的解释性，为发现有意义的数据结构，并说明其用途。 主成分分析法简介 Principal Component Analysis（PCA） 主成分分析(Principal Component Analysis, 简称PCA)是一种常用的基于变量协方差矩阵对信息进行处理、压缩和抽提的有效方法。 基于PCA算法的人脸识别 PCA方法由于其在降维和特征提取方面的有效性，在人脸识别领域得到了广泛的应用。 PCA方法的基本原理是:利用K-L变换抽取人脸的主要成分，构成特征脸空间，识别时将测试图像投影到此空间，得到一组投影系数，通过与各个人脸图像比较进行识别。 利用特征脸法进行人脸识别的过程由训练阶段和识别阶段两个阶段组成 其具体步骤