24小时热门版块排行榜    

查看: 976  |  回复: 9

爱问的小鸟

新虫 (小有名气)

[求助] 相似向量如何旋转才可以降低其相似程度?已有3人参与

虫友们:弱弱的问个小问题
    如果两个向量的内积值非常接近1,如何旋转才可以降低内积值,换句话说,就是如何降低两个向量的相似程度,数学功底太差,希望给予指导,谢谢。金币太少,意思意思
回复此楼
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

zhxh1997

木虫 (正式写手)

满世界飞呀

【答案】应助回帖

★ ★
感谢参与,应助指数 +1
爱问的小鸟: 金币+2, 有帮助 2015-05-21 21:52:39
降低相似程度?降低到什么程度?为什么要降低相似程度?
不清楚问题背景,只好从纯数学上来说。旋转90度,相似程度变为零;旋转180度,相似程度变为-1,也就是负相似。
图形,图像,视觉,信号处理,机器学习等欢迎交流!跟我交流时请把问题描述清楚,不要太笼统。
2楼2015-05-21 16:55:57
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

爱问的小鸟

新虫 (小有名气)

首先,谢谢的您的回答。对于正交的话,是可以达到值为零,而且采用正交化就可以做到,我的想法是k-means聚类时,如何保证初始向量之间非相关,已达到最快收敛,如果相关怎样去相关?n维向量去相关,如果不用迭代加约束的方法,还有其他的方法吗?例如直接对向量本身进行旋转,但是正交化太严格了,只要达到弱相关就好,谢谢
3楼2015-05-21 21:50:33
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

karon1988

金虫 (小有名气)

【答案】应助回帖

感谢参与,应助指数 +1
你不能旋转原始数据,只能在原始数据中找一个相关性小的

[ 发自小木虫客户端 ]
4楼2015-05-21 23:25:09
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

zhxh1997

木虫 (正式写手)

满世界飞呀

【答案】应助回帖

首先随机生成K个随机向量,然后去相关,比如说用主成分分析法(PCA)。试过没有?应该可以的。
图形,图像,视觉,信号处理,机器学习等欢迎交流!跟我交流时请把问题描述清楚,不要太笼统。
5楼2015-05-22 08:08:50
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

胡不归

木虫 (正式写手)

【答案】应助回帖

★ ★ ★ ★ ★ ★ ★ ★
感谢参与,应助指数 +1
爱问的小鸟: 金币+8, ★★★很有帮助, 谢谢,建议 2015-05-22 11:32:48
要是你的目的是想在k-means初始时,选择相关最小的量,恐怕你所说的旋转不靠谱,我的个人意见:有2中方法:
1.初始值选定限制条件,即不选相关性强的样本为初始值;
2.预先对样本进行预处理,即去除相关性;
6楼2015-05-22 10:03:51
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

爱问的小鸟

新虫 (小有名气)

引用回帖:
5楼: Originally posted by zhxh1997 at 2015-05-22 08:08:50
首先随机生成K个随机向量,然后去相关,比如说用主成分分析法(PCA)。试过没有?应该可以的。

主成分对于小量数据可以,而对于大数据老说,代价太大,我试过
7楼2015-05-22 11:33:57
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

爱问的小鸟

新虫 (小有名气)

引用回帖:
4楼: Originally posted by karon1988 at 2015-05-21 23:25:09
你不能旋转原始数据,只能在原始数据中找一个相关性小的

谢谢,你的回答。
8楼2015-05-22 11:35:25
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

minizhu

金虫 (小有名气)

可以做差 相当于找到另一个参考方向

[ 发自小木虫客户端 ]
应用数学反问题,偏微分
9楼2015-05-22 11:50:26
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

爱问的小鸟

新虫 (小有名气)

引用回帖:
9楼: Originally posted by minizhu at 2015-05-22 11:50:26
可以做差 相当于找到另一个参考方向

谢谢您的回答, 另一个思路
10楼2015-05-23 09:30:07
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
相关版块跳转 我要订阅楼主 爱问的小鸟 的主题更新
信息提示
请填处理意见