K-L變換-機器學習

K-L變換的理論知識 K-L變換是除了PCA外的另一種常用的特徵提取方法，它有很多種形式，最基本的形式跟PCA類似，它跟PCA的不同在於，PCA是一種無監督的特徵變換，而K-L變換能夠考慮到不同的分類信息，實現有監督的特徵提取。 根據隨機過程中的KL展開理論，將隨機過程描述爲無數個正交函數的線性組合，而在模式識別問題中，通常可以將一個樣本看成是隨機向量的某一次實現結果，所以假設有一d維隨機向量x，

>>阅读原文<<