HOG 特征向量的降维
Dimensionality reduction in HOG feature vector
我在MATLAB中找出了下图的HOG特征向量。
我使用了以下代码。
I = imread('input.jpg');
I = rgb2gray(I);
[features, visualization] = extractHOGFeatures(I,'CellSize',[16 16]);
features
出来是一个 1x1944
向量,我需要降低这个向量的维度(比如 1x100
),我应该使用什么方法呢?
想到了MATLAB中的主成分分析和运行以下内容。
prinvec = pca(features);
prinvec
出来是一个空矩阵(1944x0
)。我做错了吗?如果不是PCA,还有什么方法可以降维?
你不能对此进行 PCA,因为你拥有的特征比你的单一观察更多。获得更多观察值,大约 10,000 个,您就可以进行 PCA。
请参阅 了解关于为什么会出现这种情况的更详细的数学解释。
我在MATLAB中找出了下图的HOG特征向量。
我使用了以下代码。
I = imread('input.jpg');
I = rgb2gray(I);
[features, visualization] = extractHOGFeatures(I,'CellSize',[16 16]);
features
出来是一个 1x1944
向量,我需要降低这个向量的维度(比如 1x100
),我应该使用什么方法呢?
想到了MATLAB中的主成分分析和运行以下内容。
prinvec = pca(features);
prinvec
出来是一个空矩阵(1944x0
)。我做错了吗?如果不是PCA,还有什么方法可以降维?
你不能对此进行 PCA,因为你拥有的特征比你的单一观察更多。获得更多观察值,大约 10,000 个,您就可以进行 PCA。
请参阅