如何通过减少特征维度来改进LBP算子

时间:2014-07-17 14:09:18

标签: matlab machine-learning computer-vision feature-extraction lbph-algorithm

我正在使用LBP和MATLAB进行提取功能,但准确性太低

如何减少LBP中的功能箱?

非常感谢。

1 个答案:

答案 0 :(得分:1)

使用pcares功能执行此操作。 pcares代表 PCA Residuals

[residuals, reconstructed] = pcares(X, ndim);

residuals返回通过保留ndim矩阵n-by-p的{​​{1}}主要成分获得的残差。 X数据矩阵,或包含数据的矩阵。 X的行对应于观察,列是变量。 X是标量,必须小于或等于ndimp是一个与residuals大小相同的矩阵。

X将根据reconstructed输入获得缩小的维度数据。请注意,ndim仍将作为reconstructed位于原始维度中。因此,您可以选择第一个X列,这将对应于使用ndim指定的要素的维度数构建的要素。换句话说:

ndim

因此,reduced = reconstructed(:,1:ndim); 将包含尺寸缩小至reduced尺寸的数据。

小笔记

您需要统计工具箱才能运行ndim。如果不这样做,那么这种方法将不起作用。