pca

    1热度

    3回答

    在Matlab中使用优化做PCA

    我想通过求解优化问题min || X-XBB'||找到数据矩阵X的主要成分，其中范数是Frobenius范数， B是正交矩阵。我想知道是否有人能告诉我该怎么做。理想情况下，我希望能够使用优化工具箱来做到这一点。我知道如何使用其他方法找到主要组件。我的目标是了解如何建立和解决以矩阵为答案的优化问题。我非常感谢任何建议或意见。 谢谢！ MJ
    matlab pca 2012-05-09

    1热度

    1回答

    PCACompute Opencv return eigenvectors = 0

    在Android Opencv2.3.1中PCACompute有这个问题，因为当我打电话给PCACompute时，我的特征向量都是0.所以，我为每个人拍摄10张照片，并将它保存到100X100的Mat中。 之后，将我的100X100垫一垫1X10000与此代码： double [] elem = null; for(int riga=0;riga<m.rows();riga++) {
    android opencv pca 2012-02-02

    0热度

    1回答

    PCA识别OpenCV 2.3

    我有一个问题与opencv2.3和android 2.2：我有一套10图像，我把脸和functin PCACompute和PCAProjet，我计算子空间的PCA和projet图像到这个子空间。 所以，我有Mat与特征向量，Mat与平均值和Mat结果。 我的问题是：我如何用新图像进行脸部识别？我必须比较哪些数据？特征值，特征向量？ 我希望有人能帮助我。 在此先感谢。 马尔科
    android opencv pca 2012-02-03

    1热度

    1回答

    PCA项目和Opencv中的项目

    我正在Ubuntu Opencv中工作。我尝试对单个图像进行PCA分析。我将3个通道图像并将其更改为具有3列和r * c数字的单通道图像rows.r和c是行和原image.When列的我尝试做的PCA它给了我一个绿色image.Here反投影后显示重建图像是我的代码 Mat pcaset=cvCreateMat(image->height*image->width,image->nChannels
    c++ ubuntu opencv computer-vision pca 2012-04-11

    14热度

    2回答

    PCA首先还是正常化？

    进行回归或分类时，预处理数据的正确（或更好）方法是什么？ 规范化数据 - > PCA - >训练 PCA - >归一化PCA输出 - >训练 规范化数据 - > PCA - >归一化PCA输出 - >训练 以上哪一项更为正确，或者是预处理数据的“标准化”方式？ “规范化”是指标准化，线性缩放或其他一些技术。
    machine-learning normalization classification regression pca 2012-04-12

    3热度

    1回答

    PCA项目和OpenCV 2.3中的后项目（C++）

    我正在进行人脸识别项目，我在PCA子空间投影时遇到问题。 当我通过调整大小的图像将mat矢量传递给我的函数时，我将它们投影，然后重构它们以验证它运行正常，但是我在“凸轮”窗口中的所有图像都是灰色图像（全部颜色相同）。 我不知道我在做什么坏事。 这是函数： void doPCA (const vector<Mat>& images) { int nEigens = images.size()-1
    c++ opencv face-recognition pca 2012-02-24

    2热度

    1回答

    马氏距离

    我试图找到从该origin.The MATLAB命令的一些点的马氏距离泰姬陵是（Y，X） 但是，如果我用这个，我得到NaN的作为矩阵X = 0作为距离需要从原点找到。可以请某人帮助我这个。应该怎么做
    matlab image-processing statistics pca 2012-04-16

    13热度

    2回答

    PCA和KNN算法

    我正在使用KNN对手写数字进行分类。我现在也实施了PCA来降低维度。从256我去了200.但我只注意到，〜0.10％的信息损失。我删除了56维。不应该损失更大？只有当我下降到5个维度时，我会有20％的损失。这是正常的吗？
    algorithm pca knn 2012-04-16

    0热度

    1回答

    如何比较不同维数的点？

    我有一个不同维度的数据点，我想比较它们之间的关系，以便我可以删除多余的点。我试图通过使用PCA来制作相同维度的点，但问题是PCA减小了维度，但是由于结果点与我所得到的点不同，我失去了每个维度的含义，所以我想知道是否存在任何其他方式这样做。换句话说，我想知道是否有什么方法可以帮助我比较不同维数的点。
    c++ visual-c++ multidimensional-array pca svd 2012-03-11

    3热度

    2回答

    复杂特征值在PCA计算

    IAM的尝试计算的矩阵的PCA。 有时得到的特征值/向量是复杂的值，因此试图通过特征向量矩阵点乘以投射点到较低的维度计划时坐标我碰到下面的警告 ComplexWarning: Casting complex values to real discards the imaginary part 在这种行代码np.dot(self.u[0:components,:],vector) 整个代码我用来
    python numpy pca eigenvector eigenvalue 2012-05-02
最新问题