昨天就看到这个问题，到现在竟然没有人回答，那我就稍微解答一下，具体深入理解请自行分析；
特征向量是个什么东西？学过矩阵论的人都知道，一个可逆的矩阵可以分解为特征值和特征向量的乘积，即AV=lambaV,其中V是特征向量矩阵；这个的好处是可以把一个矩阵换基；即将一个矩阵基底转换为以另一组以特征向量为基的矩阵；好处呢，显而易见，可以抛弃太小的特征值对应的基，他没意义嘛，从而起到降维的效果，这就是PCA降维，可以百度一下；
那么模式识别讲的特征向量是什么呢，这个是一个截然不同的概念，模式识别重在分类，分类用什么数据呢，当然是特征向量，这个特征指的是，你分类物体的特征，如人脸，指纹，那你就可以从这些图片上面提取；那提取的这些数据就构成了你物体的一个特征，这就是特征向量；当然，可能你提取的特征向量太多维，那么这个时候，为了计算简便，你就需要降维，就可以通过上面所讲的PCA算法；通过降维后的数据进行计算。
所以，这是两种截然不同的概念
内容全部来源于网络收集，如有侵权，请联系网站删除：QQ：24596024