有关您的代码

[xautzhaozhe]

你好，首先非常感谢您能够分享有关高光谱异常检测的代码，这对我的学习非常有用；有几个问题想请教一下您;

1. 在RPCA-RX算法中，您的代码好像直接计算的是稀疏（异常）部分的马氏距离，而原文好像计算的是欧氏距离，所以我有点疑惑
   tic;
   [r0 Output_S Output_L] = Unsupervised_RPCA_Detect_v1(DataTest);
   toc;
   XS = reshape(Output_S, M, N);
   r2 = RX(XS');

2. 在LSMAD算法中，计算背景协方差矩阵的逆时，作者用的是最大的几个特征值和其对应的特征向量，所以您这块的代码我有点不明白
   tic;
   [L,S,RMSE,error]=GoDec(Y',28,floor(0.0022*N)*9,2);
   toc
   L=L';
   S=S';
   mu=mean(L,2);
   r_new2=(diag((Y-repmat(mu,[1,M]))'pinv(cov(L'))(Y-repmat(mu,[1,M]))))';

最后，非常非常感谢您！

[l7170]

1、第一个问题用欧式和RX距离都可以，具体看用的方法。 2、最大的几个特征值和其对应的特征向量就是伪逆，文章中说的那么多一大推，其实就是奇异值为0矩阵的求逆问题，就是伪逆的求法。 ----- 原始邮件 ----- 发件人：zhaozhe <notifications@github.com> 收件人：l7170/LSDM-MoG <LSDM-MoG@noreply.github.com> 抄送人：Subscribed <subscribed@noreply.github.com> 主题：[l7170/LSDM-MoG]_有关您的代码_(#2) 日期：2020年06月12日 11点17分 你好，首先非常感谢您能够分享有关高光谱异常检测的代码，这对我的学习非常有用；有几个问题想请教一下您; 在RPCA-RX算法中，您的代码好像直接计算的是稀疏（异常）部分的马氏距离，而原文好像计算的是欧氏距离，所以我有点疑惑 tic; [r0 Output_S Output_L] = Unsupervised_RPCA_Detect_v1(DataTest); toc; XS = reshape(Output_S, M, N); r2 = RX(XS'); 在LSMAD算法中，计算背景协方差矩阵的逆时，作者用的是最大的几个特征值和其对应的特征向量，所以您这块的代码我有点不明白 tic; [L,S,RMSE,error]=GoDec(Y',28,floor(0.0022*N)*9,2); toc L=L'; S=S'; mu=mean(L,2); r_new2=(diag((Y-repmat(mu,[1,M]))'pinv(cov(L'))(Y-repmat(mu,[1,M]))))'; 最后，非常非常感谢您！ &mdash; You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHub, or unsubscribe.