Discussion :

[Maha Ing]

j'ai comme entrée un train set ayant 90 images, une matrice DP de toutes les images est calculée ensuite à l'aide de la méthode DPA (Discrimination Power Analysis).
sur cette matrice DP je veux appliquer la méthode PCA (Principal Component Analysis).
alors comment procéder ? je trouve pas une méthode claire en fait, et surtout qu'il s'agit d'une seule matrice et non pas plusieurs.

[petchi]

Mais ou sont tes paramètres ?

Afin de faire une PCA tu as besoins de quelque chose qui ressemble à ça:

point1: param1_1 param1_2 param1_3 param1_4
point2: param2_1 param2_2 param2_3 param2_4
point3: ...

Le but de la PCA étant de réaligner les axes orthogonaux de ton espace à x-dim (x étant le nombre de paramètres) de manière à expliquer le maximum de variance et éliminer l'information redondante.

Je comprend pas ce que contient ta matrice DP

[Maha Ing]

Merci pour ta réponse,
en fait ma matrice DP contient des coefficients de puissance de discrimination, mon but c'est d'avoir les coefficients ayant la puissance de discrimination la plus élevée et ça en utilisant la PCA qui va réduire ma matrice en supprimant les coefficients de faible puissance.

[petchi]

la fonction pca(X), ou X est ta matrice contenant tes paramètres, est déjà implémenté sous matlab

A toi ensuite de choisir quelle pourcentage de variance tu veux garder.

Tu peux visualiser le résultat en utilisant la fonction biplot



B.

[Maha Ing]

Merci beaucoup Petchi pour ta réponse, j'ai résolu le problème avec cette fonction