このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。
sparsefilt
R2026aスパース フィルターの使用による特徴抽出
説明
Mdl = sparsefilt(X,q)X のテーブルまたは行列にスパース フィルターを適用した結果が含まれているスパース フィルター モデル オブジェクトを返します。q は X から抽出する特徴量の個数なので、sparsefilt は p 行 q 列の変換の重み行列を学習します。特徴量の表現が劣完備または過完備である場合、q はそれぞれ、予測子変数の個数より少なかったり多かったりする可能性があります。
学習済みの変換の重みにアクセスするには、
Mdl.TransformWeightsを使用します。学習済みの変換を使用して
Xを新しい一連の特徴量に変換するには、MdlとXをtransformに渡します。
Mdl = sparsefilt(X,q,Name,Value)Name,Value 引数のペアによって指定された追加オプションを使用します。たとえば、予測子データを標準化したり、L2 正則化を適用することができます。
例
関数 sparsefilt を使用して SparseFiltering オブジェクトを作成します。
イメージ パッチ SampleImagePatches を読み込みます。
data = load('SampleImagePatches');
size(data.X)ans = 1×2
5000 363
5,000 個のイメージ パッチがあり、それぞれに 363 個の特徴量が含まれています。
100 個の特徴量をデータから抽出します。
rng default % For reproducibility Q = 100; obj = sparsefilt(data.X,Q,'IterationLimit',100)
Warning: Solver LBFGS was not able to converge to a solution.
obj =
SparseFiltering
ModelParameters: [1×1 struct]
NumPredictors: 363
NumLearnedFeatures: 100
Mu: []
Sigma: []
FitInfo: [1×1 struct]
TransformWeights: [363×100 double]
InitialTransformWeights: []
Properties, Methods
ステップ サイズの制限または勾配サイズの制限に達したのではなく反復制限に達したために停止したので、sparsefilt は警告を発します。しかし、関数 transform を呼び出すことにより、返されたオブジェクトに含まれている学習済み特徴量を使用できます。
スパース フィルターの最適化を継続します。
イメージ パッチ SampleImagePatches を読み込みます。
data = load('SampleImagePatches');
size(data.X)ans = 1×2
5000 363
5,000 個のイメージ パッチがあり、それぞれに 363 個の特徴量が含まれています。
100 個の特徴量をデータから抽出し、反復制限として 20 を使用します。
rng default % For reproducibility q = 100; Mdl = sparsefilt(data.X,q,'IterationLimit',20);
Warning: Solver LBFGS was not able to converge to a solution.
生成された変換行列をイメージ パッチとして表示します。
wts = Mdl.TransformWeights; W = reshape(wts,[11,11,3,q]); [dx,dy,~,~] = size(W); for f = 1:q Wvec = W(:,:,:,f); Wvec = Wvec(:); Wvec =(Wvec - min(Wvec))/(max(Wvec) - min(Wvec)); W(:,:,:,f) = reshape(Wvec,dx,dy,3); end m = ceil(sqrt(q)); n = m; img = zeros(m*dx,n*dy,3); f = 1; for i = 1:m for j = 1:n if (f <= q) img((i-1)*dx+1:i*dx,(j-1)*dy+1:j*dy,:) = W(:,:,:,f); f = f+1; end end end imshow(img)
イメージ パッチにはノイズがあるように見えます。ノイズを除去するため、さらに反復を行います。停止した位置から最適化を再開し、さらに 40 回反復します。
Mdl = sparsefilt(data.X,q,'IterationLimit',40,'InitialTransformWeights',wts);
Warning: Solver LBFGS was not able to converge to a solution.
更新された変換行列をイメージ パッチとして表示します。
wts = Mdl.TransformWeights; W = reshape(wts,[11,11,3,q]); [dx,dy,~,~] = size(W); for f = 1:q Wvec = W(:,:,:,f); Wvec = Wvec(:); Wvec =(Wvec - min(Wvec))/(max(Wvec) - min(Wvec)); W(:,:,:,f) = reshape(Wvec,dx,dy,3); end m = ceil(sqrt(q)); n = m; img = zeros(m*dx,n*dy,3); f = 1; for i = 1:m for j = 1:n if (f <= q) img((i-1)*dx+1:i*dx,(j-1)*dy+1:j*dy,:) = W(:,:,:,f); f = f+1; end end end imshow(img)
これらのイメージではノイズが少なくなっています。
入力引数
名前と値の引数
出力引数
アルゴリズム
関数 sparsefilt は、入力特徴量から出力特徴量への非線形変換を作成します。この変換は、可能な限り少ない個数の出力特徴量で各例を表現すると同時に、出力特徴量が例全体で同程度の影響を与えるような目的関数の最適化をベースとしています。
詳細は、スパース フィルター アルゴリズムを参照してください。
バージョン履歴
R2017a で導入
