eigenvector

    3熱度

    2回答

    我正在使用eigenfaces來編寫我正在寫的面部識別程序。我有特徵臉實際上是如何產生幾個問題: 他們是否從很多不同的人,或者很多相同的人的圖像的圖像產生的? 這些人需要包括你想認識的人嗎?如果不是,那麼將如何進行任何類型的比較? 是否爲您提供的每個圖像確定一個特徵臉,或者是否創建一個特徵臉? 這是所有關於特徵臉的生成或學習階段。感謝您的幫助或指引我朝着正確的方向發展!

    5熱度

    2回答

    基本上我試圖找到矩陣的特徵值,大約需要12個小時。當它結束時,它說它找不到所有的特徵向量(實際上幾乎沒有),我對它找到的那些特徵向量持懷疑態度。我所能做的只是發佈我的代碼,我希望有人能夠向我提出一些建議。我對mathematica並不是很有經驗,也許運行時間很慢,不好的結果與我有關,而不是mathematica的能力。感謝任何回覆的人,我真的很感激。 cutoff = 500; (* set a

    14熱度

    6回答

    我在R中使用princomp來執行PCA。我的數據矩陣很大(10K x 10K,每個值最多4個小數點)。在至強2.27 GHz處理器上,需要3.5小時〜6.5 GB的物理內存。 因爲我只想要前兩個組件,有沒有更快的方法來做到這一點? 更新: 除了速度,是否有記憶有效的方式做到這一點? 使用svd(,2,)需要約2小時和〜6.3 GB的物理內存來計算前兩個組件。

    3熱度

    3回答

    排序特徵值矩陣我在列向量形式n個特徵值。因此,存在與這些特徵值對應的N個特徵向量,形成特徵向量矩陣。現在 ,我的工作問題需要我的特徵值列向量進行降序排列。我如何排列特徵向量與特徵值相同的順序以保持對應?


    5熱度

    3回答

    我正在嘗試將2D高斯擬合成圖像。噪聲非常低,所以我的嘗試是旋轉圖像,使兩個主軸不會共變化,找出最大值並只計算兩個維度的標準偏差。首選武器是python。 但是我被困在發現圖像的特徵向量 - numpy.linalg.py假設離散數據點。我想把這個圖像作爲一個概率分佈,抽樣幾千個點,然後從這個分佈中計算特徵向量,但是我相信必須有一種方法來找到特徵向量(即,半主 - 半 - 直接來自該圖像的高斯橢圓的

    1熱度

    1回答

    如果我有一個協方差矩陣,並且我想要執行相應相關矩陣的主成分分析,我應該首先對協方差矩陣進行中心平均化,然後進行標準化(除以標準偏差),或者先標準化協方差矩陣,然後將平均中心然後執行PCA?爲什麼?

    2熱度

    3回答

    我已經用SVD計算 [U, S, V] = svd(A) 其中我用的最後一列是我零空間近似一直這樣做。由於A變得非常大,我意識到這會減慢我的計算速度。 對於null(A),文檔似乎暗示它無論如何都會執行SVD。另外,如果A滿秩,則它不起作用。 SVD通過找到最大的奇異值,然後是下一個等等,而我只需要最小的一個。 這似乎是一個很大的瓶頸。真的很感謝這方面的幫助。 正在使用MATLAB。 謝謝。

    2熱度

    2回答

    我想將廣義特徵值問題轉換爲正常特徵值計算。 我有這樣的代碼: [V,D,flag] = eigs(A, T); 現在我把它轉換成: A1 = inv(T)*A; [V1,D1,flag1] = eigs(A1); 我不應該得到相同的結果?從我的Matlab的文檔中理解,第一個方程式來解決: A*V = B*V*D ,第二個解決: A*V = V*D 我這麼想嗎? 謝謝!

    0熱度

    2回答

    我需要使用PCA顯示圖像特徵向量矩陣的前10個特徵臉。 我正在使用下面的matlab代碼來創建第一個特徵臉,但我變得非常黑暗,不太正確的特徵臉。 eFea是240x4096一個矩陣,其中每一行代表64×64 newData = eFea'; data = newData; [M,N] = size(data); mn = mean(data,2); data = double(data)