降维
通过单幅图像数据高维化的操作
条目
历史版本
降维是通过单幅图像数据的高维化，对单幅图像转化为高维空间中的数据集合进行的一种操作。
运用
通过单幅图像数据的高维化，将单幅图像转化为高维空间中的数据集合，对其进行非线性降维，寻求其高维数据流形本征结构的一维表示向量，将其作为图像数据的特征表达向量。从而将高维图像识别问题转化为特征表达向量的识别问题，大大降低了计算的复杂程度，减少了冗余信息所造成的识别误差，提高了识别的精度。通过指纹图像的实例说明，将非线性降维方法(如Laplacian Eigenmap方法)应用于图像数据识别问题，在实际中是可行的，在计算上是简单的，可大大改善常用方法(如K-近邻方法)的效能，获得更好的识别效果。此外，该方法对于图像数据是否配准是不敏感的，可对不同大小的图像进行识别，这大大简化了识别的过程。
分类
降维方法