主成分_从一维到多维选读.pptVIP

* * * * * * * * * * * * * * * * * * Yale * * Sample images for one object of the Yale dataset 结论：2DPCA是将一幅图像的每一行当成一个样本，进行PCA的运算。 * * 2DPCA 与PCA的关系 2DPCA与PCA（Eigenfaces）比较 优点： 提取特征的方法简单、直接 实验对比中显示识别率高 提取特征的计算效率高 缺点： 表示图像时需要的系数多，因此需要更多的存储空间 分类所需的计算时间稍多 * * 为什么2DPCA的性能优于PCA 对于小样本数据（比如人脸识别）来说， 2DPCA更加稳定。因为它的图像协方差矩阵比较小。 2DPCA比PCA能更加精确的刻画图像的协方差矩阵 * * 多维主成分分析（MPCA） * * * * [1] Lu H, Plataniotis K N, Venetsanopoulos A N. MPCA: Multilinear pri