KL变换与主成分分析报告.pdfVIP

word 主成分分析（ PCA ）是多元统计分析中用来分析数据的一种方法， 它是用一种较少数量的特征对样本进行描述以达到降低特征空间维数 的方法，它的本质实际上是 K-L 变换。 PCA 方法最著名的应用应该是 在人脸识别中特征提取及数据维，我们知道输入 200*200 大小的人脸 图像，单单提取它的灰度值作为原始特征，则这个原始特征将达到 40000 维，这给后面分类器的处理将带来极大的难度。著名的人脸识 别 Eigenface 算法就是采用 PCA 算法，用一个低维子空间描述人脸图像， 同时用保存了识别所需要的信息。下面先介绍下 PCA 算法的本质 K- L 变换。 1、K-L 变换（卡洛南 -洛伊（ Karhunen-Loeve ）变换）：最优正交 变换 ? 一种常用的特征提取方法； ? 最小均方误差意义下的最优正交变换； ? 在消除模式特征之间的相关性、突出差异性方面有最优的