第1个回答 推荐于2016-12-01
举个例子，线性变换PCA可以用来处理图像。如2维的人像识别：我们把图像A看成矩阵，进一步看成线性变换矩阵，把这个训练图像的特征矩阵求出
来(假设取了n个能量最大的特征向量)。用A乘以这个n个特征向量，
得到一个n维矢量a，也就是A在特征空间的投影。今后在识别的时候同一
类的图像(例如，
来自同一个人的面部照片)，认为是A的线性相关图像，它乘以这个特征向量，得到n个数字组成的一个矢量b，也就是B在特征空间的投影。那么a和b之间的距离就是我们判断B是不是A的准则本回答被提问者和网友采纳
来(假设取了n个能量最大的特征向量)。用A乘以这个n个特征向量，
得到一个n维矢量a，也就是A在特征空间的投影。今后在识别的时候同一
类的图像(例如，
来自同一个人的面部照片)，认为是A的线性相关图像，它乘以这个特征向量，得到n个数字组成的一个矢量b，也就是B在特征空间的投影。那么a和b之间的距离就是我们判断B是不是A的准则本回答被提问者和网友采纳
相似回答
