我想为数据集计算一个通用 PCA 矩阵，我将使用它来减少筛选描述符的维度。我已经找到了一些算法来计算它，但是我找不到使用 MATLAB 来计算它的方法。
有人能帮我吗？
问问题
1612 次
2 回答
1
如果您有权访问 Statistics Toolbox，则可以使用 command princomp，或者在最近的版本中使用 command pca。
于 2013-08-06T13:17:32.927 回答
1
[coeff, score] = princomp(X)
是正确的做法，但知道如何使用它有点棘手。
我的理解是你做了类似的事情：
sift_image = sift_fun(img)
这给了你一个二进制图像：sift_feature？（即使不是二进制的，这仍然有效。）
输入，制定 X：
使用princomp/pca公式化 X 使得每列都是numel(sift_image)x 1 向量
（即sift_image(:)）
对所有图像执行此操作并将它们排列为 X 中的列。
所以 X 将是numel(sift_image)x num_images。
如果您的图像大小不同（例如像素尺寸不同，图像中或多或少的场景），那么您需要将它们带到某个公共空间，这是一个完全不同的问题。
除非你的东西是二进制的，否则你可能想要在列方向（即对每个单独的图像进行归一化）和行方向（对整个数据集进行去意义）进行去均值/归一化。
输出
score是特征向量的集合：它将是 num_pixels * num_images。要让第一个特征向量回到图像形状，请执行以下操作：
first_component = reshape(score(:,1),size(im));
其余的组件依此类推。有与输入图像一样多的组件。
的每一行coeff是 num_images（等于 num_components）组可用于生成每个输入图像的权重。IE
input_image_1 = reshape(score * coeff(:,1) , size(original_im));
其中 input_image_1 是正确的，原始形状
coeff(1,:) 是向量 (num_images x 1)
分数是像素 x num_images
（免责声明：我可能将列/行混淆，但描述是正确的。）
这有帮助吗？
于 2013-08-06T16:55:55.107 回答