PCA method is an optimal linear dimension reduction technique in mean-square sense, which can reduce the computational overhead of the subsequent processing stages.
主成分分析是一种在均方误差前提下最优的线性降维方法，通过将原始特征向量向更小的子空间上投影，主成分分析达到了降维和去冗余的目的。 因此，经过降维，损失的特征信息最少，在保证识别性能的同时，后续阶段的计算开销将会大大减少。
参考来源 - 基于PCA与LDA的说话人识别研究·2,447,543篇论文数据，部分数据来源于NoteExpress
应用推荐