MATLAB的答案

为什么之前过滤数据主成分分析改善结果?

8视图(30天)
摩根Facchin
摩根Facchin 2022年8月2日
编辑: 布鲁诺陈德良 2022年8月2日
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
显示6年长的评论
布鲁诺陈德良
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
跑:
@Morgan Facchin
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])
nfiltererror = 1.8027 e-05
%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])
filtererror = 0.0279
如果filtererror < nfiltererror
流(“过滤器更好\ n”);
其他的
流(“non-filter更好\ n”);
结束
non-filter更好
你看到什么?你能做一个兆瓦(例子2像素?)来显示吗?

登录置评。

在回答这个问题。

答案(1)

马特·J
马特·J 2022年8月2日
编辑:马特·J 2022年8月2日
跑:
PCA应用于转化集群应该找到PC1接近L’,因此图像的预测L的应该一样,他们在L(在一个比例因子)
适用于旋转,但对任意线性变换,这是不正确的尺寸大于1。我上面的例子我们可以recraft看看任意变换下的奇异值变化当L, L是2 d:
X =兰德(7,2);X = [X, X];X = X-mean (X);
S1 =圣言(X, 0)
S1 = 4×1
1.4299 1.0318 0.0000 0.0000
S2 =圣言(X *兰德(4),0)
S2 = 4×1
2.0355 0.2737 0.0000 0.0000
明显的变化不仅仅是一个全球扩展,
S1. / S2。* [1 1 0 0]”
ans = 4×1
0.7025 - 3.7701 0 0

类别

找到更多的在降维特征提取在帮助中心和文件交换

标签

下载188bet金宝搏


释放

R2021b

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!