K-L变换时，对分类和压缩问题，用于计算特征向量的矩阵都是一样的
举一反三
- 如果经过正交变换后的协方差矩阵为一对角矩阵，且具有最小均方误差时，该变换称为最佳变换，也称Karhunen-Loeve变换（K-L变换）。( )
- K-L变换的流程包括 A: 计算图像灰度共生矩阵 B: 计算图像协方差矩阵 C: 主成分正变换 D: 主成分逆变换
- 应用层次分析法解决方案评价问题的主要困难是 。 A: 成对比较矩阵的构造 B: 矩阵特征值和特征向量的计算 C: 一致性检验 D: 组合权向量的计算
- 关于K-L变换的描述，正确的是 A: K-L变换是建立在图像协方差矩阵基础上的线性正交变换。 B: K-L变换也称为霍特林（Hotelling）变换、主成分分析（PCA或PCT）。 C: PCA与K-L变换的求解过程有所不同，K-L变换包括了PCA。 D: K-L变换可以去除图像的噪声和干扰，但不能进行数据压缩和信息增强。
- 下面哪些情况适合使用K-L变换。（ ） A: 两类问题 B: 样本数多 C: 多类问题 D: 样本数少