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
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
举一反三
- 关于K-L变换的描述,下列说法中正确的是: A: K-L变换也称为霍特林(Hotelling)变换、主成分分析(PCA或PCT) B: PCA与K-L变换的求解过程有所不同, PCA包括了K-L变换 C: 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 D: 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
- 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。
- K-L变换的最大优点是去相关性好，可用于数据压缩，常见的数据降维算法PCA就是一种K-L变换。
- 常用的高维数据可视化的数据变换的线性方法有（ ） A: 主成分分析(PCA) B: 多维尺度分析(MDS) C: 非负矩阵分解(NMF) D: 傅里叶变换
- 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