奇异值分解(sVD) PCA中对散布矩阵S的本征值分解计算量较大,如 特征向量维度较高,直接对S进行本征值分解十分 困难。 例如对图像的PCA分析: ·图像:100×100 散布矩阵:10000×10000 S=∑(xk-mxk-m) 10000×10000的矩阵本征值分解? Se=e|空间复杂度和时间复杂度均无法接受!奇异值分解（SVD） • PCA中对散布矩阵S的本征值分解计算量较大，如 特征向量维度较高，直接对S进行本征值分解十分 困难。 • 例如对图像的PCA分析： • 图像： • 散布矩阵： • 的矩阵本征值分解？ 100 100  1 ( )( ) n t k k k= S x m x m = − −  10000 10000  Se e =  10000 10000  空间复杂度和时间复杂度均无法接受！