论文部分内容阅读
本文从K-L变换的思想和理论依据入手,阐述了特征提取的目的,并解释了K-L变换和主成分分析(PCA)的区别。最后,以iris数据作为样本,采用K-L变换对其进行分类,并得出结论:该变换可以将样本的显著特征抽取出来,在降低特征数据的维数减少运算量和存储量的同时,分类结果基本不受影响,甚至在某些次优分类方法(BP神经网络)下可能优于未经变换处理进行的分类。