Question

opencv中pca的疑问

我有七个样本，每个样本是64*64。
排列，每个样本一行，就构成了一个7*4096的样本矩阵。
平均向量矩阵是：1*4096
特征值矩阵是：1*7（这里有疑惑，理论上应该是1*4096的，但是按照网上的教程，需要加判断min(dim, cols)）
特征向量是：7*4096
用cvCalcPCA这个算法，最后那个参数是CV_PCA_DATA_AS_ROW，取前4个特征值
最后获得的矩阵是7*4
发现这个7*4和理论上的4096*4是不一样的呀。。为什么呢

Answer 1

结果是对的，没问题。
PCA的作用，是降低每个数据的维数，而不是减少数据的个数。
你现在有7个样本，每个样本有4096个变量，PCA减少变量数至4个，因此最终结果仍然是7个样本，每个样本有4个变量。结果没问题。

追问

网上不是说算出来的是一个投影矩阵么？然后用待降维的矩阵去乘以这个投影矩阵，然后降维么？
我是不是理解错了，
是不是应该让待降维的矩阵重新按照上面那个方法再降维一次呢？

追答

奥，原来是算投影矩阵。
那么教程里显然错了。min(dim, cols)这完全没有道理，不可能跟根据样本数和变量数的大小动态决定矩阵尺寸。

你说的对，特征值应该是4096个，投影矩阵也应该是4096*4的。

追问

我再看看怎么弄吧。谢啦。这份给你了