Question

我是机器学习初学者，我非常感谢你的帮助。

我试图使用FastICA MATLAB工具箱，经过大量的谷歌搜索和阅读文档后，我变得越来越困惑。

我正在使用Car Data Set，我正在使用1000张100x40图像（500辆汽车，500辆非汽车）。我正在使用fastica来寻找独立的组件（我将在稍后使用它们来构建汽车检测系统）。

我在列车数据集上运行以下代码：

[icasig, A, W] = fastica(Training_Set);

A和W是1000x1000矩阵，icasig是1000x4000矩阵，据我所知，icasig的行包含独立的组件，A是混合矩阵。

如何绘制独立组件？有人能用简单的英语向我解释什么是W？

让我感到困惑的另一件事是，如果我删除icasig中的某些行并获得300x4000矩阵，那么我是否正在进行特征压缩？

如果我使用分类算法（例如SVM），我如何改变我用来训练它的独立组件的数量？我认为rica是完美的，但不幸的是我没有统计和机器学习工具箱。

Answer 1

有人可以用简单的英语向我解释什么是W？

ICA中的

w 通常代表分离矩阵。给定混合图像 X ，可以通过计算 wX 来获得独立组件。结果 S 通常是另一个矩阵，其大小与 X 相同。 S 的每一行都包含代表一个独立组件的数据。

使用ICA算法的主要目的之一是找到分离矩阵 w 。如果您对此一无所知，我建议您在继续阅读之前阅读更多文献。即使fast ICA's Wikipedia页面也会告诉您 w 。

如何绘制独立组件？

如果icasig S ，您可以尝试以下操作：

icasig = abs(icasig) % take the absolute

% you can add a for loop here to plot all components
component=icasig(1,:) % take the first component
im = reshape(component,[h,w,3]); % h being the height of the image of the component and w being the width
im=uint8 (round(im)); 
figure; imshow(im); 
% end of the for loop. Be prepared to have a lot of pictures poping up.

如果我删除icasig中的某些行并获得300x4000矩阵，那么我是否正在进行特征压缩？

如果删除某些单独的组件意味着要素压缩，那么是。

在fastICA中提取特征（Matlab）

1 个答案: