投影的维度

今天又出现了新的问题，在Incremental实验中，随着新增的training samples的增多，projection matrix 的dimension 和rank都在增加，而子空间学习出的projection matrix 的vectors的个数如果多于classes的个数很多，那么projection 后的识别率将会很低，不到50%。于是在incremental过程中，需要保持projection的维度不变大。经过仔细推敲原文，维度是每次增1的，于是我舍弃了原文的做法，采用了一本书上所讲的Rank-one matrix的incremental方法，在逐次的incremental中，不增加size，使得结果有点靠谱了，不过也不能高兴太早，等它跑个100遍之后，才知道平均性能如何。这本给了我帮助的书就是大名鼎鼎的《Matrix Computations》by Gene H. Golub and Charles F.Van Loan.