k-l变换原理
来源:互联网 发布:网站域名一年多少钱 编辑:程序博客网 时间:2024/06/05 19:35
首先,为什么要使用k-l变换呢?因为如果手上的数据过于庞大,我们就需要对这些数据进行筛选,这就涉及到哪些数据该舍弃,哪些不该舍弃呢?这时,k-l就出来了,有了它,我们就可以舍弃一些数据而不会使数据出现较大的偏差。
k-l变换说白了就是找一个矩阵,让原来样本矩阵乘以我们找的这个矩阵,得到一个新的矩阵,新的矩阵比原样本的矩阵少了许多维度,这就完成了数据筛选了,也就是特征提取与降维。而且这个新的矩阵的协方差矩阵除对角线外,其余元素为零。
那么,我们的重点就是找到找到这个矩阵,步骤如下:1 把每个样本数据作为一行组成样本矩阵,样本矩阵的每行都代表一个样本数据。
2 求样本矩阵的协方差矩阵,公式为,s为样本矩阵中心化后的矩阵(就是每列减去每 列素的均值),n为样本个数,c为协方差矩阵。
3 根据线代实对称矩阵对角化的内容,求出特征跟和特征向量,对角化后观察对角线上的特征值,把较小的值舍去,这样 对应的舍去相对应的特征向量,这个新的特征向量的组合就是我们要求的矩阵。
最后说一说吗每一步的理由。 1 我们筛选的不是某个样本,而是筛选样本中的数据,找出样本中最能代表该样本的数据,就好像张三,李四,王麻子三个样本都有鼻子,三个样本对比时,有鼻子这个特征并不能筛选出张三,李四,王麻子,这个数据就得舍去,但是张三有颗痣,李四和王麻子没有,那么,这个特征值就得被留下。我们把每个样本摆为一排,那么每列则是不同样本对同一件事的反映特征,相差大说明这个事件可以区别不同的样本。
2 样本矩阵的协方差为什么这么求呢??协方差矩阵中的第一个元素代表样本矩阵第一列与第一列的协方差(等价于第一列的方差),方差公式
,协方差公式,只不过方差是某一列元素的差异关系,协方差是某一列与其他列的差异关系,如一行二列元素代表第一列与第二列的差异关系,由此可知协方差矩阵是个对称矩阵,可对角化。
3 为什么要去较小的值呢?对角线上的特征值反映了各列的差异值,值越大说明该列的不同样本间的值变化很大,说明该列描述的事件可以区分出不同的样本,所以晓得特征值得舍去。为什么要对角化呢??因为除对角线外协方差矩阵的值都表示各列的关系,就好像要区分张三李四王麻子,本来张三很黑,但张三打了粉底,显得他很白,所以我们的把粉底对张三的影响消除,还原一个真实的张三。
设样本矩阵中心化后样本矩阵为s,找到的变换矩阵为p1,则是s*p1为降维后的矩阵即s1,c为样本矩阵的协方差矩阵
,,可见变换后的矩阵协方差矩阵除对角线外元素为0,且降维,s1的值比原样本的值更具有代表性,这就是特征提取。
- k-l变换原理
- K-L变换
- K-L变换
- 离散K-L变换
- 特征变换(5)K-L变换
- 特征选择(三)-K-L变换
- K-L变换和PCA的区别
- 特征选择(三)-K-L变换
- 特征选择(三)- K-L变换
- K-L变换实现图像压缩
- 判别函数、贝叶斯、K—L变换、句法模式识别
- 基于K-L变换的人脸识别的MATLAB实现
- 特征提取——主成分分析PCA(K-L变换)及几何解释
- 模式识别(Pattern Recognition)学习笔记(三十五)-- K-L变换与PCA
- 深度解析K-L变换 及其 在特征识别中的应用
- 模式识别(5)K-L变换和PCA在人脸识别中的应用
- (L)ittle (K)ernelbootloader
- L-K光流法
- 最临近、双线性、三次卷积插值算法比较
- ZOJ-2176
- mqsql 下的soundex函数的使用
- DTD语法(一)
- c++日期转换
- k-l变换原理
- linux常用查看硬件设备信息命令
- SQL执行计划及统计信息相关视图
- Windows Java JNI编程环境搭建
- DTD语法(二)
- C++11标准之variadic template (可变参数模板)
- CUDA程序优化小记(一)
- 1325 hdu
- 蜂鸟算法在谷歌15岁生日发布引起搜索引擎的哪些变化