0
点赞
收藏
分享

微信扫一扫

主成分分析(PCA)与2DPCA

伊人幽梦 2022-03-13 阅读 83
深度学习

主成分分析(PCA)原理详解_李春春的专栏-CSDN博客_主成分分析

看论文是遇到2DPCA方法,然后又去回顾了一下经典的PCA方法,对于PCA这篇博客解读还是比较详细,可以参考。

2DPCA方法解读可以参考这篇博客:

2DPCA—二维主成分分析详解及编程_一地鸡毛的博客-CSDN博客_二维主成分分析

一、为什么提出2DPCA(Why)

PCA存在着以下问题:

       1、使用PCA进行图像分类识别时,需要将二维矩阵转换为一维向量,使得图像内在的结构信息丢失。

       2、使用PCA学习特征向量时,由一维向量构造的协方差矩阵尺寸过大,计算复杂度高。

       3、由于训练样本数量较少,协方差矩阵尺寸过大,因此PCA容易导致过拟合问题。

       因此考虑直接使用二维图像构造协方差矩阵,计算投影轴(特征向量),并直接使用二维图像进行投影获得图像的模式特征。

 

举报

相关推荐

0 条评论