@220: PCAとLDAについて2008年8月26日 PCAとLDAについて （研究メモです） パターン認識を行う系は大きく識別対象からその識別に有効な特徴を抽出する特徴抽出部と、その特徴を用いて実際に識別処理を行う識別部に分けることができる。 抽出された特徴はベクトルの形で表現され、識別部で処理される。 どの識別器を用いるかにもよるが、学習データのサンプル数に対してベクトルの次元数が膨大になることは処理を困難にする。 膨大な次元数の特徴ベクトルを用いたパターン認識として以下の方法が考えられる。 １．識別器としてSVMなど膨大な次元数を扱えるものを用いる ２．次元圧縮処理を行う １で挙げたSVMは最近パターン認識の分野では広く用いられている手法である。 ２の場合、PCAとLDAが有名な手法だ。 次元圧縮処理は特徴空間の変換と考えることができるので線形空間で考えると、ある次元のベクトルを()次元のベクトルに変換する処理、す
