如何提取与特定实现的“移动”向量相关的eigenVectors的权重
提取与特定实现的“移动”向量相关的eigenVectors的权重，可以通过以下步骤实现：
- 确定移动向量：首先，需要明确你所指的“移动”向量是指什么。移动向量可以是指在计算机图形学中描述物体移动的向量，也可以是指在机器学习中描述数据点在特征空间中的移动的向量。根据具体情况，选择相应的移动向量。
- 数据准备：准备包含移动向量的数据集。如果是计算机图形学中的移动向量，可以使用包含物体移动轨迹的数据集。如果是机器学习中的移动向量，可以使用包含数据点和相应特征的数据集。
- 特征提取：根据具体需求，选择适当的特征提取方法。对于计算机图形学中的移动向量，可以使用基于物体轨迹的特征提取方法，如速度、加速度等。对于机器学习中的移动向量，可以使用常见的特征提取方法，如PCA（主成分分析）等。
- 特征向量计算：根据选择的特征提取方法，计算移动向量的特征向量。对于计算机图形学中的移动向量，可以计算物体轨迹的速度、加速度等特征向量。对于机器学习中的移动向量，可以使用PCA等方法计算特征向量。
- 特征权重计算：根据特征向量，计算特征权重。特征权重可以通过各种方法计算，如特征值、特征向量的模长等。具体方法可以根据实际需求选择。
- 提取与特定实现的“移动”向量相关的eigenVectors的权重：根据特定实现的“移动”向量，选择与之相关的特征向量和特征权重。根据特征权重，提取与特定实现的“移动”向量相关的eigenVectors的权重。
需要注意的是，以上步骤中的具体实现方法和工具可以根据实际情况选择。在云计算领域，腾讯云提供了一系列与数据处理、机器学习和人工智能相关的产品和服务，可以根据具体需求选择相应的产品和服务进行实现。具体产品和服务的介绍和链接地址可以在腾讯云官方网站上找到。
相关·内容
我有一个时间序列的历史数据(利率)，我已经设法提取了eigenValues和eigenVectors。
我正在尝试生成/推断利率和另一个金融数据系列之间的某种关系。假设我有eigenVectors，我如何提取该移动的特定日期(或时间点)的权重？
例如，下面的代码从一个名为data_的数据集中提取前3个主成分分析向量。
eigVal, eigVec = np.linalg.eig((data_.diff(-1)*100).cov())
if np.sign(eigVec[:,0][5]) == -1: #swtich such that eigVec are positiv for PCA1
浏览 7提问于2019-11-06得票数 0
回答已采纳
1回答
我有一个n numpy数组，它包含立方体网格上的密度值。我试着把密度图的主惯量轴与网格的笛卡儿x，y，z轴对齐。到目前为止，我有以下几点：
import numpy as np
from scipy import ndimage
def center_rho(rho):
"""Move density map so its center of mass aligns with the center of the grid"""
rhocom = np.array(ndimage.measurements.center_of_ma
浏览 2提问于2016-05-03得票数 3
1回答
在进行PCA时检测异常值
、、、
我是数据分析的新手，并试图更好地理解如何在进行PCA分析时识别异常值。我创建了一个有5列的数据矩阵来表示我的变量，包括数学、英语、历史、物理和社会科学；每一行代表学生在课堂上获得的最终成绩。当我绘制第一和第二主成分的得分时，我的数据矩阵中的第五列是一个异常值。我希望有一种在数学上检测异常值的方法，而不必绘制分数；任何帮助我做到这一点的建议或想法都是非常感谢的。提前感谢您的帮助。我已经在下面发布了我的代码。
%Column names
colNames = {'Math','English','History','Physics',
浏览 2提问于2014-08-27得票数 2
回答已采纳
1回答
PCA后提取了哪些特征？
、、、、
我正在尝试使用PCA提取特征。现在我从获得了一个StackExchange代码，如下所示，其中它选择了继PCA之后最相关的100个特性。现在，当我执行代码时，我发现特征值已经在第一个语句中排序。为什么我们需要按降序重新排序呢？
[eigenvectors, projected_data, eigenvalues] = princomp(proteingene);
[foo, feature_idx] = sort(eigenvalues, 'descend');
selected_projected_data = projected_data(:, feature_idx(1:
浏览 2提问于2016-08-04得票数 1
回答已采纳
1回答
我已经在Matlab中创建了一个PCA解决方案，它可以工作。我现在正在把它转换成c++，在那里我使用OpenCV的函数cv::PCA。我在链接中发现，您可以使用以下方法提取平均值、特征值和特征向量：
// Perform a PCA:
cv::PCA pca(data, cv::Mat(), CV_PCA_DATA_AS_ROW, num_components);
// And copy the PCA results:
cv::Mat mean = pca.mean.clone();
cv::Mat eigenvalues = pca.eigenvalues.clone();
cv::Ma
浏览 2提问于2015-08-31得票数 1
回答已采纳
1回答
基于PCA的人脸特征提取
、、、、
我正在尝试在MATLAB中实现主成分分析(PCA)来从图像中提取特征。我实现了以下代码。
[Rows, Columns] = size(x); % find size of input matrix
m=mean(x); % find mean of input matrix
y=x-ones(size(x,1),1)*m; % normalise by subtracting mean
c=cov(y); % find covariance matrix
[V,D]=eig(c); %
浏览 2提问于2016-01-27得票数 0
1回答
如何在MuPAD中计算特征向量
、、、、
我正在使用Mupad计算机代数系统，试图计算一个称为A的3X3矩阵的特征向量。 A := matrix([[3, 2, 1], [1, 3, 2], [0, 2, 6]]); 似乎有两种方法可以做到这一点。 其中一个使用线性代数包来计算它： export(linalg);
float(eigenvectors(A)); 而另一个是用数字计算的： numeric::eigenvectors(A) 我不会发布这些操作的结果，因为输出一次运行一行。 我的问题是，使用这两种方法似乎都不能清晰地输出实际的特征向量，并且当我将结果与在线计算器(如here和here )进行比较时，MuPAD答案并不等同于
浏览 32提问于2019-09-29得票数 0
回答已采纳
1回答
我用支持向量机对短语进行分类。在使用支持向量机之前，我知道我应该对短语向量进行某种规范化。一种流行的方法是TF-以色列国防军。
TF-以色列国防军得分最高的术语往往是最能描述文件主题的术语。
但这不正是支持向量机所做的吗？赋予最具代表性的条款以最高的权重？
预先多谢:-)
浏览 3提问于2014-02-16得票数 2
回答已采纳
1回答
我想对有连续输入变量的受限Boltzman机器有一个具体的理解。我正在尝试设计一个最简单的例子，这样就可以很容易地跟踪行为。所以，它在这里。
输入数据是二维的.每个数据点是从两个对称正态分布中的一个(σ= 0.03)中提取出来的，其中心距离很好(15次σ)。RBM有二维隐层.
我期望得到一个RBM，它将产生两个点云，其方法与我的火车数据相同。我甚至认为，在添加了一些稀疏约束之后，对于从一个分布中提取的数据来说，隐层等于(0,1)，而对于另一个分布，则为(1,0)。
我自己编写了matlab代码，并尝试了一些在线解决方案(如DeepMat：)，但无论我的步长有多小，RBM都会收敛到一个简单的解决
浏览 3提问于2014-09-03得票数 5
回答已采纳
我正在使用Python导出与3x3矩阵中的特征值相关联的特征向量。我的代码返回正确的特征值，但返回错误的特征向量。
A = np.array([[-2, -4, 2],
[-2, 1, 2],
[4, 2, 5]])
print (A)
print ('-------------------------------------------------------')
eigenvalues, eigenvectors = np.linalg.eig(A) # must use this line of cod
浏览 4提问于2021-01-02得票数 2
3回答
我最近遇到了Self Organizing，我有以下问题：
1)神经元的数量与单元(簇)的数量有什么关系? 2)如何从特定的单元中提取元素？
浏览 2提问于2015-02-11得票数 1
我正试图在C++中实现一个matlab算法。
这是matlab代码：
p = 3;
K = [3 4 5; 4 5 6; 7 8 9];
e = ones(p,1);
K2 = K - (1/p)*K*ones(p) - 1/p + (1/p^2)*sum(K(:))
[V_K,D_K] = eig(K2);
虽然这是使用C++的类似的OpenCV代码：
float data[] = {3, 4, 5,
4, 5, 6,
7, 8, 9};
cv::Mat m(3, 3, CV_32F, data);
float p = K.ro
浏览 5提问于2016-07-11得票数 1
回答已采纳
1回答
我一直在用NumPy做一些线性代数，但是我对eigh()似乎返回不正确的特征向量有问题。是我正在使用的对称矩阵(481x481年)。请查看以下代码：
import numpy as np
c = np.load('C.npy')
eigenvectors_h = np.linalg.eigh(c)[1]
c.dot(eigenvectors_h[:, 0]) / eigenvectors_h[:, 0]
c是实的，并且绝对是对称的，因为np.allclose(c, c.T)返回True。
与其得到一个由481次重复的特征值组成的数组，我反而看到了类似于随机数的内容：
-1.0
浏览 1提问于2017-07-20得票数 1
回答已采纳
eigen函数中特征向量的符号随symmetric参数的规范而变化。请考虑以下示例：
set.seed(1234)
data <- matrix(rnorm(200),nrow=100)
cov.matrix <- cov(data)
vectors.1 <- eigen(cov.matrix,symmetric=TRUE)$vectors
vectors.2 <- eigen(cov.matrix,symmetric=FALSE)$vectors
#The second and third eigenvectors have opposite sign
all(vec
浏览 7提问于2013-08-01得票数 2
回答已采纳
1回答
我有一块木块的点云。我找到了那个点云的质心。现在，我正在尝试使用点云库来查找主组件和方向。下面是我尝试过的代码。如果你不懂什么就纠正我。
Eigen::Vector4f centroid;
Eigen::Matrix3f covariance_matrix;
// Extract the eigenvalues and eigenvectors
Eigen::Vector3f eigen_values;
Eigen::Matrix3f eigen_vectors;
pcl::compute3DC
浏览 1提问于2015-02-24得票数 2
回答已采纳
1回答
特征值和特征向量的有效排序方法
、、、、
我用本征元来求解对称矩阵m,的特征系统，给出了如下例子：
#include <iostream>
#include <Eigen/Dense>
#include <Eigen/Eigenvalues>
using namespace std;
using namespace Eigen;
int main()
{
Matrix3f m(3,3);
EigenSolver<Matrix3f> es;
m(0,0) = -0.386087;
m(1,1) = -0.390147;
m(2,2) = 0.776234;
m(0,
浏览 0提问于2019-05-27得票数 1
回答已采纳
1回答
我需要一个方法来投影三维圆锥曲线到2d。没有一篇文章告诉我们如何用rational来完成这个任务。另一件我需要的方法是将3d或2d二次曲线分别移动到4d或3d (如反向投影)。我在某个地方读到，rational可以分裂，方法是将它们移动到更高的维度，然后用分割出的非理性曲线，然后再移动回来。我似乎记得，圆锥曲线的透视投影可以精确地用二次曲线来表示，它可能涉及分裂成几条曲线。我不明白贝齐尔网站上的任何文章。
浏览 4提问于2022-06-01得票数 0
回答已采纳
1回答
我试图使用规范化割集算法(Shi，2000)将一个矩阵分割成两个矩阵。在这方面，我需要找到广义特征值系统(Ax = lambda.B.x)中的第二最小特征向量。在我的输入中，B是一个半定正矩阵。然而，scipy.linalg.eigh要求B是明确的正数，当我使用它时会产生一个错误。我需要知道我是否可以用这个输入得到一个解决方案，以及如何找到它。
我试过了
eigvals, eigvecs = eigh(A, B, eigvals_only=False, subset_by_index=[0, 1])
但我得到了：
numpy.linalg.LinAlgError: The leading mi
浏览 44提问于2022-11-29得票数 0
1回答
我正在做一项任务，任务是在一个在线课程中用Python实现PCA。不幸的是，当我试图在我的实现和SKLearn之间进行比较(由课程提供)时，我的结果似乎相差太大。 经过几个小时的审查，我仍然不确定哪里出了问题。如果有人能看一看，并确定我编码或解释错误的步骤，我将不胜感激。 def normalize(X):
"""
Normalize the given dataset X to have zero mean.
Args:
X: ndarray, dataset of shape (N,D)
Returns:
浏览 24提问于2020-12-28得票数 1
2回答
我正在实现一个使用反向传播进行训练的前馈神经网络。当我在每个测试用例之后输出错误率时，它会学习--我注意到，经过几个时期后，它开始很好地学习某些测试用例，但其他测试用例学习得很差。也就是说，某些测试用例具有非常低的错误，但其他测试用例具有非常高的错误。
基本上，经过几个时期后，我注意到均方误差停滞为以下模式-(每行表示单个测试用例后的MSE )。
0.6666666657496451
0.6666666657514261
1.5039854423139616E-10
1.4871467103001578E-10
1.5192940136144856E-10
1.4951558809679557
浏览 0提问于2012-03-21得票数 3
回答已采纳
1回答
在Python中，我通过eig()计算了数据矩阵eig()的特征向量和特征值。我希望找到数据的前2位主组件 (U = u1 u2)。我知道前两个分量是对应于两个最大特征值的两个特征向量，但我不知道如何用手头的数据(特征值、特征向量和X)来计算这些信息。
计算的特征向量和特征值：
Eigenvectors = [[-0.68065502 -0.72805308 -0.08153196]
[-0.71680551 0.68482721 -0.13115467]
[-0.15132287 0.03082853 0.98800
浏览 0提问于2018-10-07得票数 0
4回答
可能重复：
我想对一个巨大的数据集点进行PCA分析。具体来说，我有size(dataPoints) = [329150 132]，其中328150是数据点的数量，132是特性的数量。
我要提取特征向量及其相应的特征值，以便进行PCA重建。
但是，当我使用princomp函数(即[eigenVectors projectedData eigenValues] = princomp(dataPoints); )时，会得到以下错误：
>> [eigenVectors projectedData eigenValues] = princomp(pointsData);
Error
浏览 8提问于2012-10-02得票数 5
回答已采纳
我们尝试对角化下面的两个矩阵: matrix1和matrix2。我们将我们的结果与Wolfram Mathematica进行了比较，在第一个矩阵中，当比较对应于退化特征值的特征向量时，我们得到了不同的结果。
下面是我们在python中使用的代码。在Mathematica中，我们只使用经典函数"Eigensystem[]“。
正如你所看到的，对于第一个矩阵，SciPy和Mathematica的结果是完全不同的，而对于第二个矩阵，结果是一致的。
特别是，我们观察到，对于第一个矩阵，第二和第三个特征向量在能量上是退化的。在Mathematica中，"Eigensystem[]“能够找
浏览 15提问于2018-09-07得票数 1
1回答
如何求一维数组/向量的自相关矩阵
、、、、
我有一个大小为n的一维数组，它表示时域中的一个信号，我需要使用python找到这个信号的自相关矩阵，然后我将计算这个矩阵的特征向量和特征值。 我尝试使用scipy.linalg中的Toeplitz方法，如下所示 res = scipy.linalg.toeplitz(c=np.asarray(signal),r=np.asarray(signal))
eigenValues,eigenVectors = numpy.linalg.eig(res) 我不确定这是否正确，因为在Matlab论坛上，我看到了一个完全不同的解决方案Matlab solution
浏览 137提问于2020-09-10得票数 0
回答已采纳
1回答
我有一组包含6000个变量的数千条记录。我正在执行一个橙色的PCA，只保留10个第一个组件。
当绘制得到的特征向量时，我发现它们似乎非常相关。因此，我将关联小部件放在计算成对关联的位置。它给了我很高的相关系数绝对值(more than 0.2 and up to 0.7)
下面是用橙色表示的流程：
(CSV) -data-> (PCA) -EigenVectors-> (Transpose) -Data-> (Correlations)
问题是，为什么我的特征向量是相关的？
如果有人知道这是从哪里来的，我会放心的。
非常感谢，
浏览 3提问于2014-11-07得票数 0
1回答
我正在试用numpy.linalg.eig，输出结果和预期的不一样
Ax =λx
A是矩阵λ是特征值x是特征向量
这是密码
import numpy as np
from numpy import linalg
A = np.array([[2,3],[-1,3]])
eigenvalues,eigenvectors = linalg.eig(A)
leftside = A[0]*eigenvectors[:,0]
rightside = eigenvalues[0]*eigenvectors[:,0]
print(leftside)
print(rightside)
我希望左边和右边相等
浏览 3提问于2022-01-15得票数 0
回答已采纳
1回答
我正在尝试使用python通过主成分分析(PCA)来实现人脸识别。我遵循本教程中的步骤：
下面是我的代码：
import os
from PIL import Image
import numpy as np
import glob
import numpy.linalg as linalg
#Step1: put database images into a 2D array
filenames = glob.glob('C:\\Users\\Karim\\Downloads\\att_faces\\New folder/*.pgm')
filenames.sort()
浏览 0提问于2013-04-15得票数 4
回答已采纳
下面是我使用的一些代码的示例：
import numpy as np
import numpy.linalg as linalg
A = np.random.random((10,10))
eigenValues,eigenVectors = linalg.eig(A)
idx = eigenValues.argsort()
eigenValues = eigenValues[idx]
eigenVectors = eigenVectors[:,idx]
我试图做的是，在一组比五个特征向量多得多的集合中，只绘制五个最小的特征向量，然后绘制它们。那么，如何选择前五个特征向量，然后在ma
浏览 0提问于2013-03-21得票数 0
1回答
Hermitian矩阵的特征向量
、、、、
Hermitian矩阵是一个复方阵，等于它的共轭转置。其矩阵元素满足以下条件：
每次我用Python计算Hermitian矩阵的特征向量时，特征向量的第一个系数是一个纯实数。这是Hermitian矩阵的属性吗？
我附加了一个代码片段来生成一个Hermitian矩阵，计算它的特征向量，并打印出对应于最小特征值的特征向量。
import numpy as np
from numpy import linalg as LA
N = 5 # Set size of a matrix
# Generate real part of the matrix at first
real_matr
浏览 0提问于2018-05-02得票数 3
回答已采纳
1回答
我正在尝试以降序对numpy中的特征值和特征向量的张量进行重新排序。我已经部分地使用了this answer来做到这一点。 我现在正在尝试分别对形状(32448,3)的特征值数组和形状(32448,3,3)的特征向量进行排序。下面是我目前使用的代码： # compute eigenvalues and eigenvectors using numpy
eigenvalues, eigenvectors = eigh(struct)
# sort eigenvalues and eigenvectors in descending order of eigenvalues
idx = np.
浏览 14提问于2020-07-22得票数 3
回答已采纳
1回答
我对NLP非常陌生，虽然这似乎是一个基本的问题，但我不知道如何在网上搜索答案。
这是我的问题:我从两个文本源中提取和排序关键字：
📷
排名1，意味着这个关键字比5级的关键字更重要。一些关键字可能不存在于一个文本中，而在另一个文本中。在这种情况下，在关键字不存在的情况下，就没有秩了，因此，Nan。
我需要使用什么方法来提取关键字级别之间的相似性？我想找出两个文本是如何相似的基础上，它包含了哪些关键字和这些关键字的排名。
我尝试了余弦相似性，方法是删除包含Nan值的行，然后将text1Rank和text2Rank作为向量处理，如下所示：
📷
这两列是我传递给余弦相似公式的向量。
然而，我并不认为这
浏览 0提问于2020-12-12得票数 2
1回答
可以用自定义文本数据集(属于特定域的文本数据)更新Google嵌入吗？
-字嵌入谷歌新闻Word2Vec显然帮助我们提供了一组健壮的单词向量，但不幸的是，它不能用于大多数业务案例。例如：
embeddings.most_similar('python')
[('pythons', 0.6688377857208252),
('Burmese_python', 0.6680365204811096),
('snake', 0.6606293320655823),
('crocodile', 0.6591362
浏览 0提问于2018-12-05得票数 2
回答已采纳
1回答
我正在用OpenGL编写一个程序来加载一个网格，并在所述网格周围绘制一个定向包围框。网格加载正确，但当我画包围框，盒子是错误的形状和太小。
我用来计算这个盒子的过程是使用主成分分析找到一个协方差矩阵。然后，我得到了这个矩阵的特征向量，并将它们作为一个局部协调系统来寻找立方体的8个顶点。然后，我计算了一个转换，将立方体从局部协调系统移动到全局协调系统。
计算协方差的代码如下：
std::array<std::array<double, 3>, 3> covarianceCalc2()
{
std::array<std::array<double,
浏览 1提问于2014-12-05得票数 1
回答已采纳
1回答
我是c++的新手，我必须从返回矩阵G的特征值和特征向量的库中调用函数；这是函数的模板 std::array< std::pair< Number, Tensor< 1, dim, Number > >, std::integral_constant< int, dim >::value > eigenvectors (const SymmetricTensor< 2, dim, Number > & T,
const SymmetricTensorEigenvectorMethod method = Symmet
浏览 17提问于2021-05-09得票数 0
我正在做一个使用DWT和神经网络的CBIR项目。我已经提取了颜色和纹理特征，并训练了提取的特征的归一化值。利用matlab中的神经网络工具实现了图像分类。所有这些都成功地完成了。
我的问题是--有没有办法自动将训练好的图像值插入到ms access数据库中？
谢谢。
浏览 2提问于2012-07-29得票数 2
回答已采纳
我在Python中实现用于人脸识别的Python，而不使用numpy或OpenCV中已经定义的PCA方法。但我的结果简直是垃圾。
我在OpenCV's 上读过文档和算法描述，但有些事情还不清楚。
如果是X = {x1, x2, ..., xn}，那么我认为它不是计算协方差矩阵时使用的X矩阵吗？但是你必须减去平均值，就像前两个步骤中所解释的那样。
特征向量必须按照特征值的降序排序。您是否必须在查看相应特征值的绝对值时进行排序？无论如何，顺序不是主要问题，因为我绘制了所有的特征向量，所以我可以相应地重新排列它们。我想我犯了一个分析错误。
我实施了以下措施：
MU = X.m
浏览 1提问于2014-04-05得票数 1
回答已采纳
2回答
我是NLP新手，我想问如何根据我使用Python的关键字从文本中提取句子。我创建了一个关键字列表，用于从文档中提取句子。
如果这将是一个简单的标记化问题，在这个问题中，您将通过令牌循环列表，那么我如何捕获同义词或相关的单词？
例如：
Keyword: Internal business
Sentence: You can only use this software for your business only.
Keyword: Confidentiality
Sentence: Information will be kept as secure as possible.
我实际上
浏览 0提问于2018-07-27得票数 2
2回答
1)在方法中，特征面是来自不同面的元素的组合。这些元素是什么？
2)输出人脸是由不同权值的不同特征脸组成的图像。特征面的权重到底是什么意思？我知道权重是图像中特征面的百分比，但它到底是什么意思，是指所选像素的数量吗？
浏览 1提问于2017-08-04得票数 1
3回答
nlp任务中微调的意义
、、、、
迁移学习模式有两种类型。一种是特征提取，在对实际任务进行训练时，不改变预训练模型的权重，另一种是可以改变预训练模型的权值。
根据这些分类，静态词向量(如word2vec )是一个特征提取模型，每个向量都编码单词的意义。
这个词的意思改变了上下文。例如，“河岸”与“银行作为金融机构”。这些word2vec向量并不区分这些意义。
像Bert这样的当前模型考虑上下文。Bert是一种语言表示模型。这意味着，它内部可以用上下文词向量来表示单词。
默认情况下，伯特是一个微调模型.这就是我关于微调的想象力开始瓦解的地方。比如说，在Bert模型的基础上，我们创建了一些特定于任务的层。现在，如果我们微调，根据定
浏览 0提问于2019-05-27得票数 7
我能够成功地从本征：：特征求解命令中检索特征值和特征向量，但是，我不能将它们分配给一个新的矩阵。我需要将3个特征向量赋给一个新的3x3矩阵，这样我就可以对另一个3x3矩阵执行转置，然后对另一个3x3矩阵进行矩阵乘法。
我一直得到以下错误，绿色胡萝卜指向"{ a= b；}“部分中的"b”：
/Eigen/src/Core/functors/AssignmentFunctors.h:24:104:错误:将不兼容类型'const std::__1::complex‘EIGEN_DEVICE_FUNC EIGEN_STRONG_INLINE void assignCoeff(D
浏览 5提问于2020-04-19得票数 0
回答已采纳
1回答
PCA维数降维分类方法
、、、、
本文对CNN不同层次的特征进行了主成分分析。我已经从下载了降维工具箱。
我一共有11232张训练图像，每幅图像的特征是6532张。因此，特征矩阵类似于11232x6532，如果我想得到前90%的特征，我可以很容易地做到这一点，并且使用支持向量机对减少的数据进行训练的准确率为81.73%，这是公平的。然而，当我尝试测试数据，其中有2408图像和特征的每幅图像是6532。因此，用于测试数据的特征矩阵是2408x6532。在这种情况下，顶部90%的特性的输出是不正确的，它显示了2408x2408。测试精度为25%。不进行降维训练，训练准确率为82.17%，测试准确率为79%。
更新：，其中X是数据，
浏览 0提问于2018-03-19得票数 3
回答已采纳
将LSA转换应用于文档数组之后，如何使用它来生成同义词？例如，我有以下示例文档：
D1 =移动
D2 =反射铺装层
D3 =流量的维护
D4 =特殊绕道
D5 =车道的商业材料
D1 D2 D3 D4 D5
commerci[ +0.00 +0.00 +0.00 +0.00 +1.00 ]
materi[ +0.00 +0.00 +0.00 +0.00 +1.00 ]
drivewai[ +0.00 +0.00 +0.00 +0.00 +1.00 ]
special[ +0.00 +0.00 +0.00 +1.00 +0
浏览 2提问于2011-03-29得票数 3
1回答
我有一个Tensorflow图(output_graph.pb)，我是通过在之后在盗梦空间( Inception V3 )上进行迁移学习获得的。现在，我需要提取各个层的权重，以便将它们导入到用Keras创建的模型中。我知道从tensorflow直接将图转换为keras模型()是不可能的。
浏览 1提问于2018-09-30得票数 1
回答已采纳
1回答
移动设备中人脸检测的深度学习
、、、、
我想创建一个人脸检测移动应用程序，我想用一个常规的深度学习(卷积网络)来实现它。我将用我的电脑训练它，并在移动应用程序中使用经过训练的数据。
我的问题是:我能在像iPhone这样的规则电话中得到非常快的计算吗？我需要它非常快，不到1秒就能检测到视频中的一张脸。在移动设备上有可能吗？还是这种任务需要更强大的硬件？
我知道培训阶段必须在强大的计算机中，但我指的是移动设备的生产阶段。
例如，如果我把我的手机放在街上，它就能在训练阶段用相同的深层网络探测到所有的人脸？
浏览 2提问于2017-02-04得票数 4
回答已采纳
我正在研究一种检测到几乎重复图像的算法。我从训练图像和查询图像中提取了特征(这几乎是重复检测到的)。在训练数据库的特征被散列并且接近查询特征的情况下(通过近似最近邻方法)，我如何说计算机“您刚刚找到的特征属于.图像”？
浏览 4提问于2022-09-26得票数 0
1回答
我有一个包含20个类的数据集，它的分布非常不均匀。R中有没有什么功能可以让我们平衡数据集(也许是加权的)？
我想使用Weka的平衡数据进行分类。由于我的类分布是不对称的，如果没有单一的多数类，我希望能得到更好的结果。
我尝试过使用SMOTE过滤器和重采样过滤器，但它们都不能完全满足我的要求。我不想删除任何实例，重复就可以了。
浏览 0提问于2011-07-27得票数 1
回答已采纳
我在Python中实现了一个非常简单的奇异值分解(不用担心，我知道numpy版本)，它更多的是为了好玩。它基于A^TA和AA^T的特征向量的计算(例如，参见here)。从理论上讲，这在Python中实现起来非常简单： def calc_svd(A: np.array):
ATA = A.T@A
AAT = A@A.T
#compute the eigenvectors and sort them in ascending size of the eigenvalues
eigenvalues_ATA, eigenvectors_ATA = np.lina
浏览 38提问于2021-07-16得票数 0
回答已采纳
3回答
聚集和包围，而不是搬走？
、、、
有没有群聚的例子，群围绕着目标，并与目标交战，而不是像疯狂捕食的鱼那样，它们扑进目标，然后飞走？
我正在训练一个头顶上的射手，我想让近战的敌人冲向敌人，包围他，继续攻击，而后面还有更多的人。我试图避免它们都聚集在一个点上，群集看起来很完美，但是所有的“移动到目标”的例子都让它们在目标上移动，然后立即离开。
想法？
浏览 1提问于2011-09-02得票数 3
回答已采纳
在比较和C++特征向量的结果时，我得到了不同的结果。它们大部分是转置的，还有两个不匹配的元素。为什么库要返回不同的值？
Java
import org.hipparchus.linear.Array2DRowRealMatrix;
import org.hipparchus.linear.EigenDecomposition;
import org.hipparchus.linear.RealVector;
...
double[][] example_matrix = {
{ 1, 2, 3 },
{ 3, 2, 1 },
{ 2, 1, 3 }
};
RealMatrix P
浏览 6提问于2021-05-21得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
