文档帮助中心
通过稀疏滤波特征提取
SparseFiltering使用过滤稀疏得知输入预测映射到新的预测转化。
SparseFiltering
创建一个SparseFiltering对象使用sparsefilt功能。
sparsefilt
展开全部
FitInfo
此属性是只读的。
装修历史,返回两个字段的结构:
迭代- 从0迭代次数通过最终迭代。
迭代
目的- 在每一个迭代对应的目标函数值。迭代0对应于初始值,任何嵌合前。
目的
数据类型:结构
结构
InitialTransformWeights
p
q
初始特征变换的权重,返回为p-通过-q矩阵,其中p传递在预测的数量X和q是你想要的功能数量。这些权重是通过创造功能的初始权重。数据类型是单训练数据时X是单身。
X
数据类型:单|双
单
双
ModelParameters
用于训练模型参数,返回的结构。该结构包含对应于该字段的子集sparsefilt该模型的创建过程中有效名称 - 值对:
IterationLimit
VerbosityLevel
LAMBDA
标准化
GradientTolerance
StepTolerance
有关详细信息,请参阅sparsefilt在文档中的名称 - 值对。
亩
1
当标准化手段预测,返回为p-通过-1向量。此属性不为空当标准化名称 - 值对是真正在模型创建。的值是在训练数据预测装置中的矢量。数据类型是单训练数据时X是单身。
真正
NumLearnedFeatures
输出功能数,返回一个正整数。这个值是q参数传递创造功能,这是功能学所要求的数量。
数据类型:双
NumPredictors
输入预测数,返回一个正整数。此值是通过预测数量X创造功能。
适马
预测时的标准化标准偏差,返回为p-通过-1向量。此属性不为空当标准化名称 - 值对是真正在模型创建。该值是在训练数据中的预测标准偏差的矢量。数据类型是单训练数据时X是单身。
TransformWeights
特征变换的权重,返回为p-通过-q矩阵,其中p传递在预测的数量X和q是你想要的功能数量。数据类型是单训练数据时X是单身。
转变
全部收缩
创建一个SparseFiltering通过使用对象sparsefilt功能。
加载SampleImagePatches图像块。
SampleImagePatches
数据=负载('SampleImagePatches');大小(data.X)
ANS =1×25000 363
有5000个图像块,每片含363层的功能。
从数据中提取100个特征。
RNG默认%用于重现Q = 100;OBJ = sparsefilt(data.X,Q,'IterationLimit',100)
警告:求解LBFGS无法收敛到解。
OBJ = SparseFiltering ModelParameters:[1x1的结构] NumPredictors:363个NumLearnedFeatures:100穆:[]西格玛:[] FitInfo:[1x1的结构] TransformWeights:363x100双] InitialTransformWeights:[]的属性,方法
sparsefilt发出警告,因为它停止由于达到迭代极限,而不是达到了步长限制或梯度的大小限制。您还可以通过调用使用返回的对象学习功能转变功能。
ReconstructionICA|哥斯达黎加|sparsefilt|转变
ReconstructionICA
哥斯达黎加
这个例子的修改版本的系统上存在。你要打开这个版本呢?
您单击对应于该MATLAB命令的链接:
在MATLAB命令窗口中输入它运行的命令。Web浏览器不支持MATLAB的命令。万博1manbetx
选择一个网站,以获得翻译的内容,其中可看到当地的活动和优惠。根据您的位置,我们建议您选择:。
您还可以选择从下面的列表中的网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。
请联系您当地的办事处