【问题标题】:relation between eigen values and principal component特征值与主成分的关系
【发布时间】:2013-10-11 08:48:48
【问题描述】:

主成分和特征值之间的关系是什么(在 PCA 中)? 假设我已经分别计算了图像中两个区域的 PCA,从这两个区域的特征值我们可以解释什么?

【问题讨论】:

  • 正如@Roger 下面所说,没有办法使用特征值来确定两个图像的相似程度。事实上,这不是使用 PCA 比较图像的方法。相反,PCA 发现的用于描述图像的特征向量是一个新的坐标系,您可以在其中通过将图像投影到此坐标空间来比较图像之间的异同。

标签: image-processing machine-learning pca


【解决方案1】:

特征值的大小表示数据沿相应特征向量的方差程度。如果您使用 PCA 进行降维,您可以根据特征值选择要保留的特征向量。

如果您在两个独立区域上执行了 PCA,则结果特征分解之间不一定存在任何相关性。它可能有用的是识别一些形状特征,例如通过允许您比较主轴与次主轴的比率。

你真正的问题是什么?

【讨论】:

  • 我得到了一个程序,在该程序中,根据从该区域获得的特征值删除框架中错误检测到的车牌区域..
  • @Deepak 看来你的问题太笼统了。为什么不编辑它以显示一些示例图像、一些源代码、预期结果和实际结果。然后您可以获得更好的反馈(例如,如果这是一个实施问题或设计问题)。
猜你喜欢
  • 2016-02-22
  • 1970-01-01
  • 1970-01-01
  • 2011-06-26
  • 1970-01-01
  • 2016-01-16
  • 2017-07-14
  • 2016-02-05
  • 2019-05-28
相关资源
最近更新 更多