PCA(주성분분석)기법과 KL 변환의 정확한 개념과 차이가 궁금합니다.
개념적으로 PCA가 더 큰개념인지 KL변환이 더 큰개념인지 서로 내포관계인지 아닌지도 햇갈리네요
개념이 정확히 잡혀있지 않아서 이렇게 여쭤봅니다.
내포관계라기 보다는, 이용하는 경우에 따라 KL변환이라고 표기하는것 같습니다. 방법은 같은걸로 알고있습니다.
예를들어, 화상을 주성분분석으로 압축하는경우를 생각하면. 화상내에 존재하는 차원 p벡터들을 p/2차원으로 압축을 행할때,
기여도(각성분의 분산크기)순으로 p/2차원의 고유벡터를 선발해서 직교변환을 하잖아요.
근데 여기서 압축을 행할땐 문제가 안되는데, 문제는 원래 화상으로 다시 역변환할때에요.
p/2차원으로 압축했으면 나머지 p/2 차원이 비기때문에 이걸 뭔가로 메꿔야 하잖아요.
이때 기여도가 낮은 나머지 p/2차원에서의 각 차원 성분의 평균값을 넣어서 역변환이 가능하도록 압축을 행하는데,
저는 이걸 KL변환으로 알고있습니다.
나머지 p/2차원에도 값을 넣으면 그대로 p차원이므로 차원 압축이 아니지 않느냐 라고 의아해 하실수도 있겠지만,
나머지 p/2차원의 각각 성분은 모든 벡터들에 대해서 같은값을 가진다는면에서 압축이 가능하다는겁니다.
텍스트 포맷에 대한 자세한 정보
<code>
<blockcode>
<apache>
<applescript>
<autoconf>
<awk>
<bash>
<c>
<cpp>
<css>
<diff>
<drupal5>
<drupal6>
<gdb>
<html>
<html5>
<java>
<javascript>
<ldif>
<lua>
<make>
<mysql>
<perl>
<perl6>
<php>
<pgsql>
<proftpd>
<python>
<reg>
<spec>
<ruby>
<foo>
[foo]
두개 같을겁니다.
내포관계라기 보다는, 이용하는 경우에 따라 KL변환이라고 표기하는것 같습니다.
방법은 같은걸로 알고있습니다.
예를들어, 화상을 주성분분석으로 압축하는경우를 생각하면.
화상내에 존재하는 차원 p벡터들을 p/2차원으로 압축을 행할때,
기여도(각성분의 분산크기)순으로 p/2차원의 고유벡터를 선발해서 직교변환을 하잖아요.
근데 여기서 압축을 행할땐 문제가 안되는데, 문제는 원래 화상으로 다시 역변환할때에요.
p/2차원으로 압축했으면 나머지 p/2 차원이 비기때문에 이걸 뭔가로 메꿔야 하잖아요.
이때 기여도가 낮은 나머지 p/2차원에서의 각 차원 성분의 평균값을 넣어서 역변환이 가능하도록 압축을 행하는데,
저는 이걸 KL변환으로 알고있습니다.
나머지 p/2차원에도 값을 넣으면 그대로 p차원이므로 차원 압축이 아니지 않느냐 라고 의아해 하실수도 있겠지만,
나머지 p/2차원의 각각 성분은 모든 벡터들에 대해서 같은값을 가진다는면에서 압축이 가능하다는겁니다.
댓글 달기