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......