我正在开展一个车辆分类项目，其中我有一张特定车辆的 N 图像，并且每个车辆的 40 拐角/边缘都被检测到并存储在矩阵说MAT[40x2]
所以我创建了一个Nx(40x2)矩阵说 NMAT
现在我不知道如何将此3D矩阵用作pca(mat)或princomp(mat)函数的输入。
但是我知道pca是什么以及如何进行计算但是我不知道如何使用它。
所以任何人都可以为我提供快速浏览
在使用matlab pca函数和其他一些数据后，PCA还返回Eigen_Values，Eigen_Vectors和Principal Components。
但是，由于神经网络只采用向量而不是矩阵作为输入，那么在使用pca函数检索到某些数据后，应该将哪些内容提供给NN？ （我不知道如何使用这些主要组件来创建一维特征向量）
答案 0 :(得分：1)
您需要将reshape放入具有N行和80列的2D矩阵中，以便将每个图像建模为80维空间中要降低其维度的点。从人工神经网络的角度来看，输入具有“自然的”二维布局并不重要。人工神经网络不处理该信息，因此可以“销毁”。
至于你问题的第二部分，人工神经网络确实需要一个矢量输入，但它需要训练其中几个，所以训练函数很可能需要一个输入矩阵。该矩阵是您的数据矩阵与您从pca根据其相应的特征值选择的主要组件之间的乘积。
这是一个快速，高水平的演练......