概括 易立 这款笔记本使用PCA对400张人脸图像(每个人都有10304像素)进行降维,以找到前k个特征脸。 压缩图像(缩小尺寸)后,我通过计算给定图像的每对与数据库中其他图像之间的欧几里得距离,找到给定脸部图像中最相似的脸部图像。 PCA说明 $ A $是一个$ 10304 * 400 $矩阵,代表400张脸部图像的数据(每个图像有10304个像素)。 $ C = AA ^ T $是一个10304 * 10304 $矩阵, $ C'= A ^ TA $是一个$ 400 * 400 $矩阵。 $ A ^ TAV = \ lambda V $,$ V $是矩阵$ A ^ TA $的特征向量$(400 * 400)$,即$ C'$。 使用PCA并选择顶部的$ k $特征向量,然后$ V $成为$ 400 * k $ matirx。 $(AA ^ T)(AV)= \ lambda(AV