數(shù)據(jù)預(yù)處理標(biāo)準(zhǔn)流程

自然灰度圖像
（1）灰度圖像具有平穩(wěn)特性，對(duì)每個(gè)數(shù)據(jù)樣本分別做均值消減（即減去直流分量）——每個(gè)圖像塊，計(jì)算平均像素值，并將圖像每個(gè)像素點(diǎn)減去均值。每個(gè)圖像塊有一個(gè)不同的均值。

x=x-repmat(mean(x,1),size(x,1),1);%x是144*10000,代表10000個(gè)patch

（2）然后采用PCA/ZCA白化處理，其中的epsilon要足夠大以達(dá)到低通濾波的作用。epsilon值如何取，教程上說(shuō)：
一種檢驗(yàn) epsilon 是否合適的方法是用該值對(duì)數(shù)據(jù)進(jìn)行 ZCA 白化，然后對(duì)白化前后的數(shù)據(jù)進(jìn)行可視化。如果 epsilon 值過(guò)低，白化后的數(shù)據(jù)會(huì)顯得噪聲很大；相反，如果 epsilon 值過(guò)高，白化后的數(shù)據(jù)與原始數(shù)據(jù)相比就過(guò)于模糊。一種直觀上得到 epsilon 大小的方法是以圖形方式畫(huà)出數(shù)據(jù)的特征值，如下圖的例子所示，你可以看到一條”長(zhǎng)尾”，它對(duì)應(yīng)于數(shù)據(jù)中的高頻噪聲部分。你需要選取合適的 epsilon，使其能夠在很大程度上過(guò)濾掉這條”長(zhǎng)尾”，也就是說(shuō)，選取的 epsilon 應(yīng)大于大多數(shù)較小的、反映數(shù)據(jù)中噪聲的特征值。

如原始數(shù)據(jù)是x

sigma=x*x'./size(x,2); [u,s,v]=svd(sigma); plot(1:size(sigma,1),diag(s));

顯示原數(shù)據(jù)的特征值曲線(xiàn)：

可以看到大約第50個(gè)特征值后面的部分要過(guò)濾掉，因此，epsilon>=第50個(gè)特征值就可以了。

>> s(50,50)ans =0.1080

可以取epsilon=0.1080，教程上的代碼給的值是epsilon=0.1，看來(lái)這個(gè)方法還是很有效的。

彩色圖像
（1）對(duì)于彩色圖像，色彩通道間并不存在平穩(wěn)特性。因此首先對(duì)數(shù)據(jù)進(jìn)行特征縮放（使像素值在[0,1]間)。對(duì)于圖像[0,255]，可將像素值除以255.
（2）對(duì)特征進(jìn)行分量均值歸零化
從下面代碼中可看到是對(duì)同一通道的對(duì)應(yīng)像素點(diǎn)（即特征）進(jìn)行均值歸零。——這屬于特征標(biāo)準(zhǔn)化。
特征標(biāo)準(zhǔn)化：
首先計(jì)算每一維度上數(shù)據(jù)的均值（使用全體數(shù)據(jù)），之后再每個(gè)維度上減去該均值。下一步便是在數(shù)據(jù)的每一維度上除以該維度上數(shù)據(jù)的標(biāo)準(zhǔn)差。對(duì)于自然圖像，方差歸一化不用進(jìn)行。
（3）使用足夠大的epsilon來(lái)做PCA/ZCA。
——參考linearDecoderExercise.m

% Subtract mean patch (hence zeroing the mean of the patches) meanPatch = mean(patches, 2); %patches' size :192*10000 ,即10000個(gè)8*8*3塊 patches = bsxfun(@minus, patches, meanPatch);% Apply ZCA whitening epsilon=0.1; sigma = patches * patches' / numPatches; [u, s, v] = svd(sigma); ZCAWhite = u * diag(1 ./ sqrt(diag(s) + epsilon)) * u'; patches = ZCAWhite * patches;displayColorNetwork(patches(:, 1:100));

執(zhí)行：

plot(1:size(s,1),diag(s))

結(jié)果：

要濾掉長(zhǎng)尾，選第十幾個(gè)特征值很合適?？蛇xepisilon=s(12,12)=0.0962.練習(xí)上給的是epsilon=0.1，看來(lái)這個(gè)方法還是比較靠譜的。~~呵呵

白化

基于重構(gòu)的模型
episilon的選擇就采用上面的方式——濾掉“長(zhǎng)尾”。

基于正交化ICA的模型
對(duì)基于正交化ICA的模型來(lái)說(shuō)，保證輸入數(shù)據(jù)盡可能地白化（即協(xié)方差矩陣為單位矩陣）非常重要。這是因?yàn)?#xff1a;這類(lèi)模型需要對(duì)學(xué)習(xí)到的特征做正交化，以解除不同維度之間的相關(guān)性（詳細(xì)內(nèi)容請(qǐng)參考 ICA 一節(jié)）。因此在這種情況下，epsilon 要足夠小（比如 epsilon = 1e ? 6）。
在上例采用epsilon=1e-6時(shí)，ZCA后的數(shù)據(jù)協(xié)方差矩陣，圖示：

如果是單位矩陣，就是1對(duì)應(yīng)的一條直線(xiàn)，而現(xiàn)在接近單位矩陣。

注意: 在使用分類(lèi)框架時(shí)，我們應(yīng)該只基于練集上的數(shù)據(jù)計(jì)算PCA/ZCA白化矩陣。需要保存以下兩個(gè)參數(shù)留待測(cè)試集合使用：(a)用于零均值化數(shù)據(jù)的平均值向量；(b)白化矩陣。測(cè)試集需要采用這兩組保存的參數(shù)來(lái)進(jìn)行相同的預(yù)處理。
例：在linearDecoderExercise.m中，可以看到，把ZCA白化后的patches訓(xùn)練稀疏自編碼器，保存了 ‘ZCAWhite’, ‘meanPatch’。這樣當(dāng)后面在有圖像通過(guò)該稀疏自編碼器提取特征時(shí)，就要和訓(xùn)練時(shí)一樣的白化矩陣和平均值。

theta = initializeParameters(hiddenSize, visibleSize);% Use minFunc to minimize the functionaddpath minFunc/options = struct;options.Method = 'lbfgs';options.maxIter = 400;options.display = 'on';[optTheta, cost] = minFunc( @(p) sparseAutoencoderLinearCost(p, ...visibleSize, hiddenSize, ...lambda, sparsityParam, ...beta, patches), ...theta, options);% Save the learned features and the preprocessing matrices for use in% the later exercise on convolution and poolingfprintf('Saving learned features and preprocessing matrices...\n');save('STL10Features.mat', 'optTheta', 'ZCAWhite', 'meanPatch');

總結(jié)

以上是生活随笔為你收集整理的深度学习笔记8 数据预处理的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。