主要内容

ReconstructionICA

基于重构ICA的特征提取

全部展开页面

描述

ReconstructionICA应用重构独立分量分析(RICA)来学习将输入预测器映射到新预测器的转换。

创建

创建一个ReconstructionICA对象的黎加函数。

属性

全部展开

此属性是只读的。

拟合历史，返回为带有两个字段的结构:

  • 迭代-从0到最后一次迭代的迭代数。

  • 客观的-每个对应迭代的目标函数值。迭代0对应于初始值，在进行任何拟合之前。

数据类型:结构体

此属性是只读的。

初始特征变换权值，返回为p——- - - - - -问矩阵,p是否传递了预测因子的数量X和问是你想要的功能的数量。这些权重是传递给创建函数的初始权重。当训练数据时，数据类型是单一的X是单身。

数据类型:单|双

此属性是只读的。

用于训练模型的参数，作为结构返回。属性对应的字段的子集黎加在模型创建期间有效的名称-值对:

  • IterationLimit

  • VerbosityLevel

  • λ

  • 标准化

  • ContrastFcn

  • GradientTolerance

  • StepTolerance

具体操作请参见黎加名称,值对。

数据类型:结构体

此属性是只读的。

预测器表示在标准化时，返回为p——- - - - - -1向量。该属性是非空的标准化名称-值对是真正的在创建模型。该值为训练数据中预测均值的向量。当训练数据时，数据类型是单一的X是单身。

数据类型:单|双

此属性是只读的。

源的非高斯性，返回为长度-问±1的向量。

  • NonGaussianityIndicator (k) = 1意味着黎加模型的k源为次高斯分布。

  • NonGaussianityIndicator (k) = 1意味着黎加模型的kth源为超高斯，在0处有一个尖峰。

数据类型:双

此属性是只读的。

输出特性的数量，作为正整数返回。这个值是问参数传递给创建函数，这是要求学习的特性数量。

数据类型:双

此属性是只读的。

输入预测器的数量，返回为正整数。这个值是传入的预测器的数量X到创建函数。

数据类型:双

此属性是只读的。

预测标准化时的标准偏差，返回为p——- - - - - -1向量。该属性是非空的标准化名称-值对是真正的在创建模型。该值为训练数据中预测标准差的向量。当训练数据时，数据类型是单一的X是单身。

数据类型:单|双

此属性是只读的。

特征变换权值，返回为p——- - - - - -问矩阵,p是否传递了预测因子的数量X和问是你想要的功能的数量。当训练数据时，数据类型是单一的X是单身。

数据类型:单|双

对象的功能

变换 将预测器转换为提取的特征

例子

全部折叠

打开生活的脚本

创建一个ReconstructionICA对象的黎加函数。

加载SampleImagePatches图像补丁。

data =负载(“SampleImagePatches”）;大小(data.X)
ans =1×25000 363

有5000个图像补丁，每个包含363个特征。

从数据中提取100个特征。

rng默认的%的再现性q = 100;Mdl =黎加(数据。X,问,“IterationLimit”, 100)
警告:解算器LBFGS不能收敛到一个解。
Mdl = ReconstructionICA ModelParameters: [1x1 struct] NumPredictors: 363 NumLearnedFeatures: 100 Mu: [] Sigma: [] FitInfo: [1x1 struct] TransformWeights: [363x100 double] InitialTransformWeights: [] NonGaussianityIndicator: [100x1 double]属性，方法

黎加发出警告，因为它是由于达到迭代限制而停止的，而不是由于达到步长限制或梯度大小限制。的方法仍然可以在返回的对象中使用学到的特性变换函数。

另请参阅

|||

主题

介绍了R2017a

统计和机器学习工具箱文档

金宝app

掌握机器学习:一步一步的指导与MATLAB

掌握机器学习:一步一步的指导与MATLAB

下载电子书