如何通过降低特征维数来改进 LBP 算子

Question

我正在使用LBP 和 MATLAB 来提取特征，但准确率太低

如何减少 LBP 中的特征箱？

非常感谢。

Answer 1

使用pcares 函数来做到这一点。 pcares 代表 PCA 残差：

[residuals, reconstructed] = pcares(X, ndim);

residuals返回保留n-by-p矩阵X的ndim主成分得到的残差。 X 是 data 矩阵，或包含您的数据的矩阵。 X 的行对应于观察值，列是变量。 ndim 是一个标量，必须小于或等于 p。 residuals 是一个与X 大小相同的矩阵。

reconstructed 将具有基于ndim 输入的降维数据。请注意，reconstructed 仍将在原始维度中为X。因此，您可以选择第一个ndim 列，这将对应于使用ndim 指定的特征的维数构造的那些特征。换句话说：

reduced = reconstructed(:,1:ndim);

因此，reduced 将包含您的维度减少到 ndim 维度的数据。

小记

您需要统计工具箱才能运行pcares。如果你不这样做，那么这个方法就行不通了。