请问哪儿有K-L变换的具体算法?

chen_yunguo 2002-05-16 07:08:30

如题，望知情者给个具体算法。

...全文

110 2 打赏收藏转发到动态举报

写回复

2 条回复

切换为时间正序

请发表友善的回复…

发表回复

opengl3d 2002-05-17

打赏
举报

回复

找本图象处理的书看看吧。
难得是算发效率

lpj 2002-05-17

打赏
举报

回复

y=A(x-mx)

x是一个N*1的随机向量；mx是x的均值；A的行向量是x的协方差阵Cx的特征向量。

一、特征提取与选择任务定义：得到实际对象的若干具体特征之后，再由这些原始特征产生对分类识别最有效、数目最少的特征。使在最小维数特征空间中异类模式点相距较远，同类模式点相距较近。二、特征提取与选择任务的提出背景：①获得的特征测量值不多，导致提供的信息较少②获得的测量值太多，导致维度灾难(特征数目达限后，性能反而不好)③特征存在很多无用信息，或者有的有用信息不能反映本质，要通过变换才能得到更有意义的量。二、特征选择与提取的两个基本途径（一）直接选择法(特征选择)：直接从已获得的n个原始特征中选出d个

以前对PCA算法有过一段时间的研究，但没整理成文章，最近项目又打算用到PCA算法，故趁热打铁整理下PCA算法的知识。本文观点旨在抛砖引玉，不是权威，更不能尽信，只是本人的一点体会。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

转载自http://www.cnblogs.com/liu-jun/archive/2013/03/20/2970132.html 以前对PCA算法有过一段时间的研究，但没整理成文章，最近项目又打算用到PCA算法，故趁热打铁整理下PCA算法的知识。本文观点旨在抛砖引玉，不是权威，更不能尽信，只是本人的一点体会。主成分分析（PCA）是多元统计分析中用来分

主成分分析的目的：特征降维 1.为什么要进行特征降维？直观上通常认为样本向量的维数越高，就了解样本更多方面的属性，应该对提高识别率有利，然而事实并非如此。对于已知的样本数目，存在着一个特征数目的最大值，当实际使用的特征数目超过这个最大值时，分类器的性能不是得到改善而是退化。这种现象是模式是被中的“维度灾难”。最好的一个例子是：一对双胞胎，其中一个额头上有痣，另外一个额头上没

K-L变换和PCA的区别是什么？学习模式识别，大家自然会想到这样一个并不重要的问题。老师们讲课时将这两个概念做了统一处理，wiki上也直接统一了词条。这样做的原因很好理解，大概即使它们有区别，也是极其细微的，是不需要纳入考虑的。之所以探究这个问题，更多的还是为了能加深对这些算法的理解。 ==================================================...

数据结构与算法

33,025

社区成员

35,336

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章