J'ai une image 1024x704x256 que j'ai réorganisée en une matrice 2D. Chaque ligne représente un canal d'énergie et chaque colonne représente un pixel. J'accomplis PCA pour réduire le nombre de bandes avec le code:Réduction des dimensions en utilisant eigs ou eig
A=A-repmat(mean(A,2),1,size(A,2));
[V, D] = eig(cov(A'));
Evalues = diag(D);
pc = V * A;
où A = ensemble de données 2D moyenne ajustée, V = matrice de vecteurs propres, et D = matrice de valeurs propres.
Mon problème est que les sorties (en utilisant eigs ou eig) pour V et D sont automatiquement dans l'ordre croissant. Je n'ai pas eu ce problème en utilisant ces fonctions auparavant sur des ensembles de données plus petits. J'ai besoin de savoir quelles paires vecteur/valeur correspondent aux lignes de la matrice A pour une analyse plus poussée. Des idées?
Le but de la PCA est de transformer les données d'origine en un ensemble de composants orthogonaux. Ainsi, vous * devez * perdre la correspondance aux lignes de votre ensemble de données d'origine. – Mehrwolf