我正在从事一个车辆分类项目，其中我有 N 张特定汽车的图像，每张图像中都有大约 40 个角/边缘已被检测到并存储在矩阵中，例如MAT[40x2]。
所以我创建了一个Nx(40x2)矩阵，比如 NMAT
现在我不知道如何使用这个 3D 矩阵作为pca(mat)或princomp(mat)函数的输入。
但是我知道pca是什么以及它的计算方式，但我不知道如何使用它。
所以任何人都可以为我提供一个快速的演练
此外，PCA 在使用 matlab pca 函数以及其他一些数据后返回 Eigen_Values，Eigen_Vectors 和主成分。
但是，由于神经网络只接受向量而不是矩阵作为输入，那么在使用 pca 函数检索某些数据后，应该将什么提供给 NN？（我不知道如何使用这些主成分来创建 1D 特征向量）
您需要
将其reshape到具有 N 行和 80 列的 2D 矩阵中，以便将每个图像建模为 80 维空间中的一个点，您希望降低其维度。 从ANN的角度来看，输入具有"自然"的二维布局并不重要。ANN不会处理该信息，因此可以"销毁"。
至于你问题的第二部分，ANN确实需要一个向量输入，但它需要训练其中的几个，所以训练函数很可能需要一个输入矩阵。该矩阵是数据矩阵与您根据其相应的特征值从pca中选择的主成分之间的乘积。
这是一个快速、高级的演练...