这篇文章是撸主要介绍人脸识别经典方法的第一篇，后续会有其他方法更新。特征脸方法基本是将人脸识别推向真正可用的第一种方法，了解一下还是很有必要的。特征脸用到的理论基础PCA在另一篇博客里：特征脸(Eigenface)理论基础-PCA(主成分分析法)。本文的参考资料附在最后了^_^步骤一：获取包含M张人...
分类：
编程语言 时间：
2015-12-06 14:25:48
阅读次数：
239
因子分析 因子分析降维的一种方法，是主成分分析的推广和发展是用于分析隐藏在表面现象背后的因子作用的统计模型。试图用最少的个数的不可测的公共因子的线性函数与特殊因子之和来描述原来观测的每一分量因子分析的主要用途减少分...
分类：
其他好文 时间：
2015-10-18 18:27:56
阅读次数：
403
主成分分析 主成分分析Pearson于1901年提出的，再由Hotelling（1933）加以发展的一种多变量统计方法通过析取主成分显出最大的个别差异，也用来削减回归分析和聚类分析中变量的数目可以使用样本协方差矩阵...
分类：
其他好文 时间：
2015-10-17 17:34:36
阅读次数：
269
数据计算和结果展示一直是数据挖掘领域的难点，一般情况下，数据都拥有超过三维，维数越多，处理上就越吃力。所以，采用降维技术对数据今夕简化一直是数据挖掘工作者感兴趣的方向。对数据进行简化的好处：使得数据集更易于使用，降低很多算法的计算开销，去除噪声，使得结果易懂。主成分分析法（PCA）是一种常用的降维技...
分类：
其他好文 时间：
2015-10-14 23:44:00
阅读次数：
252
本文实现基于SVD奇异矩阵分解的PCA主成分分析，使用该算法来完成对人脸图像的识别，主要讲解SVD实现PCA的原理，如何利用SVD实现图像特征的降维，以及SVD在文本聚类方面的使用，例如弱化同义词、多...
分类：
其他好文 时间：
2015-10-04 01:39:04
阅读次数：
331
维数约简特征选择，依据某一标准选择性质最突出的特征特征抽取，经已有特征的某种变换获取约简特征增加特征数：可以增加信息量，进而提高准确度增加训练分类器的难度，进而带来维数灾难。解决办法： 选取尽可能多的、可能有用的特征，然后根据需要进行特征约简。主成分分析（PCA）目的： 寻找能够表示采样数据的最.....
分类：
其他好文 时间：
2015-09-18 23:15:11
阅读次数：
382
PCA，主成分分析 主成分分析主要用于数据的降维。原始数据中数据特征的维度可能是很多的，但是这些特征并不一定都是重要的，如果我们能够将数据特征进行精简，不但能够减少存储空间，而且也有可能降低数据中的噪声干扰。 举个例子：这里有一组数据，如下 表1 2.5 1.2 -2.3 -2.8 -1 ...
分类：
其他好文 时间：
2015-09-03 16:30:07
阅读次数：
169
【主成分分析用了很多次，每次都是似懂非懂意会了事用SPSS解决，身为一个本科数学的甚感惭愧。将原理部分思路总结如下以供时候参考。】主成分分析的目的是在p个特征中通过组合成p个新特征，在其中选取m个特征代表p个原始特征。从信息论的角度考虑，这m个特征蕴含了原始数据大部分的信息熵；从方差（？）的角度，这...
分类：
其他好文 时间：
2015-09-03 15:21:00
阅读次数：
375
多维标度法(multidimensional scaling，MDS)是一种在低维空间展示“距离”数据结构的多元数据分析技术,是一种将多维空间的研究对象( 样本 或 变量 ) 简化到低维空间进行定位、分析和归类， 同时又保留对象间原始关系的数据分析方法。多维标度法与主成分分析(Principle C...
分类：
编程语言 时间：
2015-09-02 00:36:05
阅读次数：
268
版权声明： 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com前言：第二篇的文章中谈到，和部门老大一宁出去outing的时候，他给了我相当多的机器学...
分类：
其他好文 时间：
2015-08-17 11:45:06
阅读次数：
174
