0

我正在开展一个车辆分类项目，其中我有N个特定汽车的图像，每个图像都有大约40 个角/边缘已被检测到并存储在一个矩阵中MAT[40x2]。
所以我创建了一个Nx(40x2)矩阵说NMAT

现在我不知道如何使用这个 3D 矩阵作为输入pca(mat)或princomp(mat)函数。

但是我知道 pca 是什么以及它是如何进行计算的，但我不知道如何使用它。

所以谁能给我一个快速的演练

在使用 matlab pca 函数以及其他一些数据后，PCA 还会返回 Eigen_Values、Eigen_Vectors 和 Principal Components。

但是由于神经网络只接受一个向量而不是矩阵作为输入，那么在使用 pca 函数检索到一些数据之后应该向 NN 提供什么？（我不知道如何使用这些主成分来创建一维特征向量）

4

1 回答 1

1

您需要将reshape其转换为具有N行和 80 列的 2D 矩阵，以便将每个图像建模为 80 维空间中要降低其维数的点。从 ANN 的角度来看，输入是否具有“自然”二维布局并不重要。该信息不由 ANN 处理，因此可以“销毁”。

至于你问题的第二部分，ANN 确实需要一个向量输入，但它需要其中几个进行训练，因此训练函数很可能需要一个输入矩阵。pca该矩阵是您的数据矩阵与您根据相应特征值从中选择的主成分之间的乘积。

那是一个快速、高级的演练……

于 2013-11-06T21:59:17.187 回答