投影的维度

今天又出现了新的问题,在Incremental实验中,随着新增的training samples的增多,projection matrix dimension rank都在增加,而子空间学习出的projection matrix vectors的个数如果多于classes的个数很多,那么projection 后的识别率将会很低,不到50%。于是在incremental过程中,需要保持projection的维度不变大。经过仔细推敲原文,维度是每次增1的,于是我舍弃了原文的做法,采用了一本书上所讲的Rank-one matrixincremental方法,在逐次的incremental中,不增加size,使得结果有点靠谱了,不过也不能高兴太早,等它跑个100遍之后,才知道平均性能如何。这本给了我帮助的书就是大名鼎鼎的《Matrix Computationsby Gene H. Golub and Charles F.Van Loan. 

你可能感兴趣的:(Matrix,Training)