Question

在Matlab（神经网络工具箱+图像处理工具箱）中，我编写了一个脚本来从图像中提取特征并构建“特征向量”。我的问题是某些功能比其他功能拥有更多数据。我不希望这些功能比具有更少数据的其他功能更具意义。

例如，我可能有一个由9个元素组成的特征向量：

hProjection = [12,45,19,10];
vProjection = [3,16,90,19];
area = 346;

featureVector = [hProjection，vProjection，area];

如果我构建一个以featureVector作为输入的神经网络，该区域仅占输入数据的10％且不太重要。

我正在使用带有tansig传输功能（模式识别网络）的前馈反向传播网络。

我该如何处理？

Answer 1

当您将输入数据呈现给网络时，要素矢量的每一列都将作为属性自身输入到输入图层。您唯一需要担心的是每个的比例（即：我们通常将特征标准化为[0,1]范围）。

此外，如果您认为这些功能是相关的/相关的，您可能需要执行某种属性选择技术。在您的情况下，它取决于hProj / vProj功能的含义......

修改
我刚刚想到，作为 feature selection 的替代方案，您可以使用 dimensionality reduction 技术（PCA / SVD，因子分析，ICA， ...）。例如，factor analysis可用于提取hProj / vProj所依赖的一组潜在隐藏变量。因此，除了这8个功能之外，您还可以获得2个功能，使得原始8个功能是新两个功能的线性组合（加上一些错误术语）。有关完整示例，请参阅this page

MATLAB中的神经网络输入偏差

1 个答案: