投影的維度

今天又出現了新的問題，在Incremental實驗中，隨着新增的training samples的增多，projection matrix 的dimension 和rank都在增加，而子空間學習出的projection matrix 的vectors的個數如果多於classes的個數很多，那麼projection 後的識別率將會很低，不到50%。於是在incremental過程中，需要保持projection的維度不變大。經過仔細推敲原文，維度是每次增1的，於是我捨棄了原文的做法，採用了一本書上所講的Rank-one matrix的incremental方法，在逐次的incremental中，不增加size，使得結果有點靠譜了，不過也不能高興太早，等它跑個100遍之後，才知道平均性能如何。這本給了我幫助的書就是大名鼎鼎的《Matrix Computations》by Gene H. Golub and Charles F.Van Loan.