04第4章节特征选择与提取4.6-4.8.pptVIP

§4.6 基于Karhunen-Loeve变换的特征提取;§4.6.1 Karhunen-Loeve变换;图4.6-1 一个正弦信号;对事物可以有不同的描述方法。 ;对正交变换的定义归为： ;以样本特征向量在特征空间分布为原始数据，通过实行Karhunen-Loeve变换，找到维数较少的组合特征，达到降维的目的。由于样本的描述都是离散的向量，因此我们只讨论Karhunen-Loeve变换(以后称K-L变换)的离散情况。;对一向量或一向量空间进行正交变换，可采用多种不同的正交坐标系，关键在于使用正交变换要达到的目的，不同的要求使用不同的正交变换。;要找满足(4.6-3)式为最小是一个求极值的问题，求最佳的是正交变换的基ui，i=1,…∞。;则U就是一个变换矩阵，其中每一行是某一个正交基向量的转置。由X计算C称为对X的分解。反过来，如果希望用C重构信号X，则它是各个成分之和。 ;如果将;(4.6-9)代入(4.6-7)得;可见向量uj j=d+1,…, ∞应是ψ矩阵的特???值λj的特征向量，而此时截断误差为;§4.6.2 K-L变换的性质; ∧为一对角矩阵。;K-L变换的一些典型应用;2．构造参数模型;3．人脸识别;　4．人脸图象合成;Date;图中从上到下分别对应K-L变换后第一至第四个主分量，这四个主分量代表了人在不同表情下面部图像的主要变化。使用这四个分量，就可以描述面