在 fastICA (Matlab) 中提取特征

Question

我是机器学习初学者，非常感谢您的帮助。

我正在尝试使用 FastICA MATLAB 工具箱，经过大量的谷歌搜索和阅读有关它的文档后，我变得越来越困惑。

我正在使用Car Data Set，我正在使用 1000 张 100x40 图像（500 张汽车，500 张非汽车）。我正在使用 fastica 来寻找独立的组件（稍后我将使用它们来构建汽车检测系统）。

我在我的火车数据集上运行以下代码：

[icasig, A, W] = fastica(Training_Set);

A 和 W 是 1000x1000 矩阵，icasig 是 1000x4000 矩阵，据我了解，icasig 的行包含独立分量，A 是混合矩阵。

如何绘制独立分量？谁能用简单的英语向我解释一下 W 是什么？

另外一件让我困惑的事情是，如果我删除 icasig 中的一些行并获得例如 300x4000 矩阵，我是否在进行特征压缩？

如果我使用分类算法（例如 SVM），如何改变用于训练它的独立组件的数量？我认为 rica 非常适合这个，但不幸的是我没有统计和机器学习工具箱。

Answer 1

谁能用简单的英语向我解释一下 W 是什么？

ICA中的

w通常表示一个分离矩阵。给定一张混合图像X，可以通过计算wX得到独立的分量。结果 S 通常是另一个矩阵，其大小与 X 相同。 S 的每一行都包含代表一个独立分量的数据。

使用 ICA 算法的主要目的之一是找到分离矩阵 w。如果您对此一无所知，我建议您在继续之前阅读更多文献。甚至fast ICA's Wikipedia 页面也会告诉你w。

如何绘制独立分量？

如果icasig 是S，您可以尝试以下操作：

icasig = abs(icasig) % take the absolute

% you can add a for loop here to plot all components
component=icasig(1,:) % take the first component
im = reshape(component,[h,w,3]); % h being the height of the image of the component and w being the width
im=uint8 (round(im)); 
figure; imshow(im); 
% end of the for loop. Be prepared to have a lot of pictures poping up.

如果我删除 icasig 中的一些行并获得例如 300x4000 矩阵，我是否在进行特征压缩？

如果删除一些单独的组件意味着特征压缩，那么是的。