2015-01-26 3 views
2

저는 방금 MATLAB에서 CCA를 사용하여 작업을 시작했습니다. 두 개의 벡터 XY60x192060x1536이고 샘플 수는 60이고 다른 벡터 집합의 변수는 각각 및 1536입니다. 나는 그들을 부분 공간으로 줄이기 위해 CCA를 알고, 그 다음 특징 매칭을하고 싶다.대 광적 상관 분석

이 명령을 사용하고 있습니다.

%% DO CCA 
[A,B,r,U,V] = canoncorr(X,Y); 

내가 얻을 출력은 이것이다 :

Name   Size    Bytes Class  Attributes 

    A   1920x58   890880 double    
    B   1536x58   712704 double    
    U   60x58    27840 double    
    V   60x58    27840 double    
    r   1x58    464 double  

사람이 이러한 변수가 무슨 뜻인지 말해 주시겠습니까. 나는 여러 번 문서를 읽었으며 여전히 그들에 대해 분명하지 않다. CCA는 WxWy이라는 두 개의 선형 투영 행렬을 발견하여 XY의 투영이 WxWy에 최대로 상관되도록합니다.

1) 아무도 다음 매트릭스 중 어떤 것을 말해 줄 수 있습니까?

2) 또한 CCA의 학습 된 부분 공간에서 투영 된 벡터를 어떻게 찾을 수 있습니까?

도움이 될 것입니다. 미리 감사드립니다.

+1

설명서를 보셨습니까? http://www.mathworks.com/help/stats/canoncorr.html – eigenchris

+0

답장을 보내 주셔서 감사합니다. 나는 문서를 실제로 보았으나 여전히 의심의 여지가있었습니다. 투영 벡터가 무엇인지 말해 주시겠습니까?나는 그것이 A와 B이고 CCA 부분 공간의 투영은 U와 V라고 생각합니다. 내 가정이 맞습니까? – roni

답변

2

내가 XY 및 원래의 데이터 행렬로되고, 그것을 이해로서 AB은 최대한 원래의 데이터를 상관 기준의 변경을 수행하는 계수의 세트이다. 데이터는 행렬 UV과 같이 새로운 기준으로 표현됩니다.

그래서 귀하의 질문에 대답 : 그들은 새로운 공간으로 XY 변환하기 때문에 당신이 찾고있는 투사 행렬 AB을 것

  1. .

  2. 새로운 공간에 대한 XY의 결과는 각각 UV이 될 것입니다. 합니다 (r 벡터 대각 행렬이고 UV 간의 상관 행렬의 엔트리를 나타낸다.)

상기 MATLAB documentation이 변환 N가의 개수는 다음 식으로 수행 할 수 있다고 관찰 : 각 계수는 변환 과정에서 무엇을 의미하는지 볼 수 있도록

U = (X-repmat(mean(X),N,1))*A 
V = (Y-repmat(mean(Y),N,1))*B 

This page 멋지게 과정을 낳는다.

+0

답장을 보내 주셔서 감사합니다. 좀 더 나를 도울 수 있니? 나는 실제로 기본적인 얼굴 인식 프로그램을 디자인하려고합니다. 이 경우 나는 X와 Y라는 벡터를 얻습니다.이 벡터는 실제로 두 가지 다른 양식의 이미지를 나타냅니다. 그런 다음 공통 부분 공간으로 변환하기 위해 CCA에서 부분 공간 학습을 수행합니다. 이제 이미지 쿼리를 받았는데 레이블을 지정하려고합니다. 나는 그것이 최대의 유사성을 가진 클래스를 발견하기로되어있다. 따라서 U 나 V 행렬 중 하나를 사용하여 공통 부분 공간으로 변환 할 것입니다. 그렇다면 이것을 어떻게 U 및 V 행렬과 비교할 수 있습니까? 어떤 생각이라도 대단히 감사하겠습니다. – roni

+2

CCA가 실제로 공통 부분 공간을 찾지 않는다고 생각합니다. 오히려 두 데이터 세트를 더 편리하게 나타내는 * 두 개의 개별 하위 스페이스를 찾아 두 데이터 세트 간의 상관 관계가보다 분명 해지도록합니다. 이 답변을 읽는 것이 유용 할 것입니다. http://stats.stackexchange.com/questions/133496/how-does-cca-find-a-low-dimensional-common-subspace 나는 두려워합니다. 당신을 도울 수있는 충분한 경험. Cross-Validated는 통계 및 기계 학습 문제에 대한 도움을 얻을 수있는 더 나은 포럼입니다. – eigenchris