摘要：
参考： 李航《统计学习方法》 【定义】设 X 是输入空间，又设 F 为特征空间，如果存在一个从 X 到 F 的映射 $$ \phi(x):X→F $$ 使得所有的 x,z∈X ，函数 K(x,z) 满足条件 $$ K(x,z)=\phi(x)·\phi(z) $$ 则称 K(x,z) 为 核函数 阅读全文
摘要：
参考： "LDA " "kernel LDA" kernel LDA 用到了散度(scatter)的概念，目标是使样本点在高维空间中的投影满足：类内散度最小，类间散度最大。即： $$ J(W^\phi)=argmax_{(W^\phi)}\frac{W^{\phi T} S_b^\phi W^\ph 阅读全文
摘要：
参考： "LLE原理总结" 个人理解 PCA 降维的缺陷 ：高维空间各个样本之间存在一些线性关系，降维之后并没有保留这些关系。比如，在高维空间中，其最短路径并不是三维空间中的两点之间直线最短，而是如下图的曲面距离，而我们降维后，就变成了投影距离。 因此，我们希望能够保留原空间的距离（只是一个例子）， 阅读全文
摘要：
论文：2005 CVPR a nonlinear approach for face sketch synthesis and recognition 论文：2005 CVPR a nonlinear approach for face sketch synthesis and recognitio 阅读全文
摘要：
2002 ICIP Face photo recognition using sketch网盘链接 密码：if7l 2002 ICIP Face photo recognition using sketch网盘链接 密码：if7l ABSTRACT INTRODUCTION SKETCH RECOG 阅读全文
摘要：
文献题目如下： [1] 2002 ICIP Face photo recognition using sketch [2] 2005 CVPR a nonlinear approach for face sketch synthesis and recognition [3] 2017 Data-d 阅读全文