在主成分分析计算中，如果选择相关矩阵为出发点，则 。
A: 计算结果就是数据压缩和噪声去除
B: 变换结果类似于K-L变换结果
C: 可进行图像对比度增强
D: 计算结果不便于进行信息提取
A: 计算结果就是数据压缩和噪声去除
B: 变换结果类似于K-L变换结果
C: 可进行图像对比度增强
D: 计算结果不便于进行信息提取
举一反三
- 在主成分分析计算中,如果选择相关系数矩阵为出发点,则 A: 变换结果类似于K-L变换结果 B: 可进行图像对比度增强 C: 计算结果便于进行信息提取 D: 计算结果就是数据压缩和噪声去除
- K-L变换的流程为（） A: 计算图像的协方差矩阵—主成分正变换—主成分逆变换 B: 主成分正变换—计算图像的协方差矩阵—主成分逆变换 C: 计算图像的相关矩阵—主成分正变换—主成分逆变换 D: 主成分正变换—计算图像的相关矩阵—主成分逆变换
- 关于主成分分析(PCA)的描述,下列说法中错误的是: A: PCA包括了K-L变换 B: 标准PCA使用了协方差矩阵,目标是数据压缩 C: 以相关矩阵进行的PCA计算,偏重于图像分析,所产生的结果具有更好的解释性,但失去了数据压缩的优势 D: 标准PCA使用了波段的相关矩阵
- K-L变换的目的是去除图像中的噪声和干扰,进行数据压缩和信息增强。(<br/>)
- 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