为什么之前过滤数据主成分分析改善结果?
8视图(30天)
显示旧的评论
我有一组图片,我想使用PCA歧视。我注意到应用低通滤波(使用filter2)之前的图像喂养成PCA大大提高了结果(它增加了相对量的方差在第一个人电脑和对应我所期望的更多)。然后我有以下更一般的问题:为什么过滤改善结果?我有两个相互矛盾的直觉:
- 一方面,性能会更好,因为过滤减少图像的噪声
- 另一方面,过滤是只有一个线性变换的数据,利用主成分分析法(PCA)和轴发现应该是“拖”,这个线性变换,给出相同的结果。
你有任何线索能帮我澄清呢?
7评论
布鲁诺陈德良
2022年8月2日
编辑:布鲁诺陈德良
2022年8月2日
我也试着理解你的问题,因为我这样做extremey简单的代码感觉如何过滤改进PCA,和我的结论是恰恰相反:
M =诊断接头([1100]);
x = randn (2, 1) e6);
y = M * x;
%不过滤数据的主成分分析
(U, V) =圣言(y ', 0);
PCA = V (: 1);
如果主成分分析(2)< 0
PCA(主成分分析;
结束
nfiltererror =规范(PCA - [0, 1])
%过滤数据的主成分分析
xf =意味着(x, 2);
yf = M * xf;
(超滤、科幻、Vf) =圣言(yf ', 0);
PCAf = Vf (: 1);
如果PCAf (2) < 0
PCAf = -PCAf;
结束
filtererror =规范(PCAf - [0, 1])
如果filtererror < nfiltererror
流(“过滤器更好\ n”);
其他的
流(“non-filter更好\ n”);
结束
你看到什么?你能做一个兆瓦(例子2像素?)来显示吗?