我正在进行一个用于车辆分类的项目，其中我有特定汽车的 N 图像，并且每个图像大约 40 的拐角/边缘已被检测到并存储在矩阵中，即MAT[40x2]。
所以我创建了一个Nx(40x2)矩阵，说 NMAT
现在我不知道如何使用此3D矩阵作为pca(mat)或princomp(mat)函数的输入。
但是我知道什么是pca以及如何进行计算，但是我所不知道的是如何使用它。
所以任何人都可以给我快速浏览
同样，在使用matlab pca函数以及其他一些数据后，PCA还返回Eigen_Values，Eigen_Vectors和主成分。
但是由于神经网络仅将 vector 而不是矩阵作为输入，因此在使用pca函数检索到某些数据后，应将什么馈入NN？ (我不知道如何使用这些主要成分来创建一维特征 vector )
最佳答案
您需要将其reshape编码为带有N行和80 col的2D矩阵，以便将每个图像建模为要减少其尺寸的80维空间中的一个点。从人工神经网络的 Angular 来看，输入具有“自然的”二维布局并不重要。该信息不会被ANN处理，因此可以被“销毁”。
至于问题的第二部分，ANN确实采用了 vector 输入，但是它需要对其中的几个进行训练，因此训练功能很可能采用输入矩阵。该矩阵是您的数据矩阵与您根据其对应特征值从pca中选择的主要成分之间的乘积。
那是一个快速，高层次的演练...
关于matlab - 使用PCA输出通过神经网络训练角点特征，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/19823399/