2009/06/11 17:28
PCA(Principal Component Analysis)는 K-L(Karhuenen-Lo ve) 변환을 기반으로 데이터의 차원 축소에 일반적으로 사용되는 통계학적인 분석 방법이다. PCA는 입력 패턴의 집합 X = [X1,X2,,,Xn] 의 패턴들 Xi에 대해 패턴에 대한 상관 관계를 나타내는 공분산 행렬(covariance matrix)를 구하고 이에 대한 고유값(eigenvalues)과 고유벡터(eigenvectors)를 구한다.
C에 대한 고유값과 고유벡터를 구하기 위해서, 
한다.
PCA의 장점은 정보의 손실이 거의 없이 차원의 감소, 특징 추출 등의 기능을 가지고 있다.
