一个关于LDA(线性判别分析)的公式推导问题


在LDA(线性判别分析)的理论推导中,有一个步骤是定义类间散列矩阵(Between-class scatter matrix)的,其中的推导我暂时没有看明白,望网友指教。
$${\left( {\widetilde {{\mu _1}} - \widetilde {{\mu _2}}} \right)^2} = {\left( {{w^T}{\mu _1} - {w^T}{\mu _2}} \right)^2} = {w^T}\left( {{\mu _1} - {\mu _2}} \right){\left( {{\mu _1} - {\mu _2}} \right)^T}w$$
其中\({{\mu _1}}\)表示第一类样本的平均值,\({{\mu _2}}\)表示第二类样本的平均值,\({{w^T}}\)是投影向量的转置。

参考资料:
JerryLead的《线性判别分析(一)》
人脸识别经典算法三:Fisherface(LDA)
已邀请:

feilengcui008 - system,ml

赞同来自:


1.X^2 = X(X^T)
2.(w^Tu1-s^Tu2) ^T = (u1-u2)^Tw

要回复问题请先登录注册

返回顶部