save the world

PCA를 MATLAB으로 실습해보기 위하여 가장 많이 접하는 방법이 얼굴을 인식하여 복원하는 과정이다. 위와 같은 얼굴사진 1,000장을 Database로 가지고 있다고 가정해보자. 각각의 이미지가 100 x 100 의 크기를 가진다면 이를 concatenation 하여 10,000 x 1의 크기로 만들 수 있고, 이는 차원이 10,000인 데이터라고 할 수 있다. (즉, 각각의 이미지들은 차원이 10,000인 공간에서 하나의 점으로 볼 수 있다.) 이런 데이터들이 1,000장 있다면 이들을 가장 잘 분류 할 수 있는 차원이 있을 것이다. 이를 찾기위하여 1,000개의 데이터들에 대하여 PCA를 수행한다면, 차원의 갯수 10,000만큼의 주성분 벡터들을 얻을 수 있고 각각의 주성분 벡터들을 100 x 1..

연구실에서 공부하고있던 주제에 대하여 정리하여 보고자 블로그에 글을 쓰게 되었다. 교수님께서 첫번째로 주신 PCA를 구현하고자 인터넷에서 검색을 하고 찾아보다 보니 '다크프로그래머' 라는 분의 블로그에 잘 정리가 되어있어서 첫 걸음에 많이 도움이 되었다. http://darkpgmr.tistory.com/110 [선형대수학 #6] 주성분분석(PCA)의 이해와 활용. Accelerated Proximal Gradient (APG) -> ALM (Augmented Lagangian Method) ->ADMM (Alternating Direction Method of Multipliers) 에 대하여 이야기 해 보고자 한다. 글에서 실습하였다고 하는 부분은 모두 MATLAB으로 실습하였으며 내가 공부했던 내용..