Matlab HOG特征向量的降维

我在MATLAB中找到了下图的HOG特征向量

prinvec = pca(features);  

我使用了以下代码

I = imread('input.jpg');
I = rgb2gray(I);
[features, visualization] = extractHOGFeatures(I,'CellSize',[16 16]);  

功能

被证明是一个

1x1944

向量，我需要降低这个向量的维数（比如说

1x100

），我应该采用什么方法

我想到了主成分分析，并在MATLAB中运行了以下程序

prinvec = pca(features);  

---

prinvec

变成了一个空矩阵（

1944x0

）。我做错了吗？如果不是PCA，我可以使用什么其他方法来降低维度？

你不能在这方面进行PCA，因为你的特征比你的单一观察更多。获得更多的观察结果，大概10000个，然后你可以进行PCA

---

有关为什么会出现这种情况的更详细的数学解释，请参见。

否。不是PCA。不会了。这行不通。您只有1个观察点和近2k个特征。不可能的。“请看看为什么这是不可能的。”阿德里安·谢恩说。我刚刚意识到我应该做什么。我应该循环浏览视频的每一帧，形成一个

Nx1944

HOG矩阵，然后应用PCA。是吗？可能的话，如果

N>1e4

，请参阅我的答案，我链接了为什么您需要比功能多5倍的观察值。是的，您能否将您提到的所有内容都写下来作为答案，以便我可以将其标记为答案。您试图提取哪些功能，您的最终目标是什么？在视频中循环并将PCA应用于最终的特征矩阵并不一定能满足您的需要