Métodos para reducir el número de funciones cuando se utiliza el aprendizaje automático en imágenes.

Estoy realizando aprendizaje automático en un conjunto de imágenes de 25 x 125. Después de obtener los componentes rgb, se convierten en 9375 características por ejemplo (y tengo alrededor de 675). estaba intentando fminunc y fminsearch y pensé que había algo mal con mi método, porque estaba 'congelado', pero cuando reduje el número de características por un factor de 10, tomó un tiempo pero funcionó. ¿Cómo puedo minimizar la cantidad de características, manteniendo la información relevante en la imagen? Probé k-means, pero no veo cómo eso ayuda, ya que todavía tengo la misma cantidad de funciones, solo que hay mucha redundancia.

preguntado el 03 de mayo de 12 a las 18:05

1 Respuestas

Está buscando métodos de selección o reducción de características. Por ejemplo, vea esta biblioteca: http://homepage.tudelft.nl/19j49/Matlab_Toolbox_for_Dimensionality_Reduction.html o ver esta pregunta Selección de características en MATLAB Si buscas en Google feature selection/reduction matlab encontrará muchos artículos/herramientas relevantes. O puede buscar en Google algunos métodos de uso común como PCA (análisis de componentes principales).

contestado el 23 de mayo de 17 a las 11:05

muchas gracias, tendré que hacer algunos ajustes ya que todavía soy relativamente nuevo en Matlab, ¡pero parece un excelente punto de partida! - cubearth

No es la respuesta que estás buscando? Examinar otras preguntas etiquetadas or haz tu propia pregunta.