使用 PCA 将图像立方体减少为单个矢量
Reducing cubes of image to single vector using PCA
这是我之前关于 PCA 的问题的后续问题(因此开头相同但问题不同)。
我有一个大小为 90 x 60 x 12 x 350 的 4D 图像。这意味着每个体素都是一个大小为 350(时间序列)的向量。
现在我将 3D 图像 (90 x 60 x 12) 分成立方体。所以假设一个立方体包含 n 个体素,所以我有 n 个大小为 350 的向量。我想将这 n 个向量减少到只有一个向量,然后计算所有立方体的所有向量之间的相关性。
所以对于一个立方体,我可以构建矩阵 M,我只是将每个体素放在一起,即 M = [v1 v2 v3 ... vn],每个 v 的大小为 350。
现在的问题是立方体的大小不尽相同,这意味着它们在边界处更小。这意味着 coeff 的第一列大小不同。但我需要它们的大小都相同,因为我想稍后计算相关性。
我该如何纠正?我是否应该只将零向量添加到 M 以便每个立方体具有相同的大小?
- 忽略与边框相交的立方体
- 取出从内部接触边界的立方体,并将它们与其他立方体的重叠部分合并
这是我之前关于 PCA 的问题的后续问题(因此开头相同但问题不同)。
我有一个大小为 90 x 60 x 12 x 350 的 4D 图像。这意味着每个体素都是一个大小为 350(时间序列)的向量。
现在我将 3D 图像 (90 x 60 x 12) 分成立方体。所以假设一个立方体包含 n 个体素,所以我有 n 个大小为 350 的向量。我想将这 n 个向量减少到只有一个向量,然后计算所有立方体的所有向量之间的相关性。
所以对于一个立方体,我可以构建矩阵 M,我只是将每个体素放在一起,即 M = [v1 v2 v3 ... vn],每个 v 的大小为 350。
现在的问题是立方体的大小不尽相同,这意味着它们在边界处更小。这意味着 coeff 的第一列大小不同。但我需要它们的大小都相同,因为我想稍后计算相关性。
我该如何纠正?我是否应该只将零向量添加到 M 以便每个立方体具有相同的大小?
- 忽略与边框相交的立方体
- 取出从内部接触边界的立方体,并将它们与其他立方体的重叠部分合并