“主成分分析 (PCA) 是 Eigenfaces 方法的核心，它找到了使数据的总方差最大化的特征的线性组合。虽然这显然是一种表示数据的强大方法，但它不考虑任何类别因此，在丢弃组件时，可能会丢失很多辨别信息。” （打开简历）
这里的“类”是什么意思？？？
" 线性判别分析最大化类间与类内分散的比率，而不是最大化整体分散。这个想法很简单：相同的类应该紧密地聚集在一起，而不同的类在低维表示。
在这里还有什么是 CLASSES????
有人可以在图像处理视图中解释一下吗thanx
问问题
734 次
2 回答
2
这些上下文中的类意味着组或分类。像“面孔”或“字母”一样，具有一组几何特性的事物可以通过某种程度的普遍性来识别。PCA 试图通过它们自己对图像中的对象进行分类，而 LDS 试图对事物进行分类，同时考虑到它们附近有多少相同的事物。
一个例子可能是球“威尔逊”的图片。就其本身而言，它看起来不太像一张脸，PCA 会认为它是一张脸的可能性很低，但是如果图片旁边有汤姆·汉克斯，则 LDS 方法会将汤姆·汉克斯归类为有一张脸并导致威尔逊也更有可能成为一张脸。正如您从这个人为的示例中看到的那样，取决于您要实现的目标（以及您的数据有多好），每种方法都有其优点和缺点。
于 2013-10-25T18:47:47.017 回答
2
为简单起见，PCA 尝试以最小维度表示总数据。LDA 也尝试做同样的事情，但也确保可以区分不同的类（分类）。PCA 对分类没有帮助。它仅有助于减少维度。SO LDA = PCA + 分类
于 2014-07-18T12:03:49.793 回答