文件名称：matlab集成c代码-pca-face-recognition:人脸识别中的KL转换（PCA）方法
文件大小：4.24MB
文件格式：ZIP
更新时间：2024-06-10 18:32:12
系统开源
matlab集成c代码 由于 Github 的 markdown 不支持 LaTeX 公式和流程图, README.md的公式格式化出来都是乱的. 报告的PDF版已上传. [TOC] 应用K-L变换在OCL库中进行人脸识别 一. 原理简述与程序框图 1. 原理 1.1 K-L变换 K-L变换也常称为主成分变换(PCA)，是一种基于图像统计特性的变换，它的协方差矩阵除对角线以外的元素都是零(所以大家也叫它最佳变换)，消除了数据之间的相关性，从而在信息压缩方面起着重要作用。 在模式识别和图像处理中一个主要的问题就是降维，在实际的模式识别问题中，我们选择的特征经常彼此相关，在识别这些特征时，数量很多，大部分都是无用的。如果我们能减少特征的数量，即减少特征空间的维数，那么我们将以更少的存储和计算复杂度获得更好的准确性。如何寻找一种合理的综合性方法，使得： 减少特征量的个数。 尽量不损失或者稍损失原特征中所包含的信息。 使得原本相关的特征转化为彼此不相关(用相关系数阵衡量)。 K-L变换即主成分分析就可以简化大维数的数据集合。K-L 变换以原始数据的协方差矩阵的归一化正交特征矢量构成的正交矩阵作