pca降維在matlab上的實現(xiàn)

1、PCAPCA降維在降維在MATLABMATLAB上的實現(xiàn)上的實現(xiàn)學院計算機科學與技術(shù)計算機科學與技術(shù)專業(yè)計算機科學與技術(shù)計算機科學與技術(shù)年級2011級姓名周忠儒周忠儒王云標王云標學號30111216058051指導教師指導教師魏建國魏建國2014年5月28日PCAPCA降維在降維在MATLABMATLAB上的實現(xiàn)上的實現(xiàn)一實驗目的實驗目的1掌握PCA降維的基本內(nèi)容2了解MATLAB的基本用法3用PCA降維算法處理圖像數(shù)據(jù)二實驗環(huán)境實驗環(huán)

2、境Matlab7.0三實驗原理實驗原理1、PCAPCA降維方法原理降維方法原理PCA的原理就是將原來的樣本數(shù)據(jù)投影到一個新的空間中，相當于我們在矩陣分析里面學習的將一組矩陣映射到另外的坐標系下。通過一個轉(zhuǎn)換坐標，也可以理解成把一組坐標轉(zhuǎn)換到另外一組坐標系下，但是在新的坐標系下，表示原來的原本不需要那么多的變量，只需要原來樣本的最大的一個線性無關(guān)組的特征值對應的空間的坐標即可。PCA即主成分分析，是圖像處理中經(jīng)常用到的降維方法，大家知道，

3、我們在處理有關(guān)數(shù)字圖像處理方面的問題時，比如經(jīng)常用的圖像的查詢問題，在一個幾萬或者幾百萬甚至更大的數(shù)據(jù)庫中查詢一幅相近的圖像。這時，我們通常的方法是對圖像庫中的圖片提取響應的特征，如顏色，紋理，sift，surf，vlad等等特征，然后將其保存，建立響應的數(shù)據(jù)索引，然后對要查詢的圖像提取相應的特征，與數(shù)據(jù)庫中的圖像特征對比，找出與之最近的圖片。2、MATLABMATLABMATLAB（矩陣實驗室）是MATrixLABaty的縮寫，是一款