Какова связь между основными компонентами и собственными значениями (в СПС)? Предположим, я вычислил PCA для двух регионов в изображении отдельно, от собственных значений этих двух регионов, что мы можем интерпретировать?отношение между собственными значениями и основным компонентом
Величина собственных значений указывает степень дисперсии данных вдоль соответствующего собственного вектора. Если вы используете PCA для уменьшения размерности, вы выбираете, какие собственные векторы сохраняться на основе собственных значений.
Если вы выполнили PCA на двух независимых участках, то не обязательно любая корреляция между полученными собственными разложениями. Все это может быть полезно для того, чтобы идентифицировать некоторые характеристики формы, например, позволяя вам сравнивать отношения главных или главных главных осей.
Какой у вас вопрос?
У меня есть программа, в которой ошибочно обнаруженные области номерных знаков в кадре удаляются на основе собственных значений, полученных из этих регионов. –
Так что я сомневаюсь, как они приняли решение из собственных значений ???? –
@ Deepak кажется, что ваш вопрос слишком общий. Почему бы не отредактировать его, чтобы показать некоторые примеры изображений, некоторый исходный код, ожидаемый результат и фактический результат. Тогда вы можете получить лучшую обратную связь (если это проблема реализации или проблема дизайна, например). –
Как @Roger сказал ниже, нет возможности использовать собственные значения для определения того, как похожи два изображения. На самом деле это не способ использовать PCA для сравнения изображений. Вместо этого собственные векторы, найденные с помощью PCA, используются для описания изображений, это новая система координат, где вы можете сравнить сходства и различия между изображениями, проецируя изображения на это координатное пространство. –