利用K-L变换进行特征提取

原理介绍 K-L变换是模式识别中经常使用的一种特征提取方法，出发点是从一组特征中计算出一组按重要性从大到小排列的新特征，它们是原有特征的线性组合，而且相互之间是不相关的。K-L变化能考虑到不一样的分类信息，实现监督的特征提取，本文首先讨论从数据的协方差矩阵做为产生矩阵的K-L变换，接下来讨论从类平均向量中提取判别信息的K-L变换。算法 K-L变换原理 K-L变换的流程基本以下，第一步，首先从维原始

>>阅读原文<<