如果图像大小事m*n的,用行2DPCA进行特征提取后的矩阵为m*p维,用列2DPCA进行特征提取后的特征矩阵为q*n位,用(2D)^2PCA进行特征提取后的特征矩阵为q*p维。
我想问一下,用(2D)^2PCA进行特征提取后的特征矩阵的维数怎么算的,公式:C=Z'XU,Z,U是特征空间。按我的理解,Z是n*q,U是m*p,X是m*n的,这样算不对啊,公式应该是X'才对啊?怎么回事呢?
我想问一下,用(2D)^2PCA进行特征提取后的特征矩阵的维数怎么算的,公式:C=Z'XU,Z,U是特征空间。按我的理解,Z是n*q,U是m*p,X是m*n的,这样算不对啊,公式应该是X'才对啊?怎么回事呢?
解决方案 »
- 如何强制关闭360,瑞星等杀软?
- 年底了,大家都比较闲啊~
- 用什么工具制作、编译ico文件?
- 一段程序代码完成一封邮件的发送,如何立即得到该邮件的UIDL?
- 如何运行时修改控件的背景色?
- 你会用Visual C++ 语言编一个用参数来画图的程序吗?
- There are a static control "IDC_SHOW_RESULT" In a dialog,How can I get this contorl's HANDLE?
- 请问各位,谁有免注册的ActiveSkin控件?(在下一定给分)
- 使用IOCP时,配置串口的超时结构COMMTIMEOUTS对于投递异步IO有何影响?
- 一个奇怪的问题!关于滑动杆控件
- vc 下 利用MSXML读取 XML 文件,请教!
- GDI+与DirectDraw7遇到了几个问题
我第一次看2DPCA就是在那里看的,跟你说的不太一样,你可以参考一下,我也只看过这一篇。
1.求取行的总体散布矩阵容量大小为(n*m)(m*n),所以为n*n,假设取k1个特征向量,则特征矩阵W1为n*k1;
2.求取列的总体散布矩阵容量大小为(m*n)(n*m),所以为m*m,假设取k2个特征向量,则特征矩阵W2为m*k2;
3.投影后Y=(W2)'*X*(W1)=(k2*m)*(m*n)*(n*k1)=k2*k1
为最终的特征的容量大小
然后再求每个样本对应的Y矩阵的距离,大部分是求矩阵的每一列之间的距离,可以取不同的范数。识别时,大于或者小于某个阈值就可以分类。