模式识别与机器学习——4.3离散K-L变换

Posted chihaoyuisnothere

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了模式识别与机器学习——4.3离散K-L变换相关的知识，希望对你有一定的参考价值。

 

　　全称：Karhunen-Loeve变换（卡洛南-洛伊变换） 前面讨论的特征选择是在一定准则下，从n个特征中选出k个来反映原有模式。 这种简单删掉某n-k个特征的做法并不十分理想，因为一般来说，原来的n个数据各自在不同程度上反映了识别对象的某些特征，简单地删去某些特征可能会丢失较多的有用信息。 如果将原来的特征做正交变换，获得的每个数据都是原来n个数据的线性组合，然后从新的数据中选出少数几个，使其尽可能多地反映各类模式之间的差异，而这些特征间又尽可能相互独立，则比单纯的选择方法更灵活、更有效。 K-L变换就是一种适用于任意概率密度函数的正交变换。

4.3.1 离散的有限K-L展开

技术分享图片

技术分享图片

技术分享图片

技术分享图片

技术分享图片

技术分享图片

技术分享图片

技术分享图片

4.3.2 按K-L展开式选择特征

 技术分享图片

技术分享图片

技术分享图片

技术分享图片

技术分享图片

   技术分享图片

技术分享图片

技术分享图片

技术分享图片

技术分享图片

技术分享图片

技术分享图片

技术分享图片

 

以上是关于模式识别与机器学习——4.3离散K-L变换的主要内容，如果未能解决你的问题，请参考以下文章

常见的变换总结与代码：DCT，STFT，K-L变换等

模式识别与机器学习——logistic regression

模式识别与机器学习——PCA与Kernel PCA介绍与对比

机器学习与模式识别学习总结

中文版《模式识别与机器学习》 Christopher Bishop

深度学习 vs 机器学习 vs 模式识别