计算机视觉:计算描述符的归一化值

Question

我正在做的图像分类项目，我已经做了语料库的特点。

我希望在-1到1之间对PyBrain输入的特性进行规范化，我使用以下公式对这些特性进行规范化

Normalized value = (Value - Mean ) / Standard Deviation 

但是它给了我一些在-3到3之间的归一化值，这是非常不准确的。

我有100个输入和1个输出。

Answer 1

你所用的方程式是标准化的。它并不保证您的值在-1;1，但它将您的数据重新定标为平均值为0，之后的标准差为1。但是点可以是标准偏差的1倍以上。

有多个选项可以绑定数据。

1. 使用非线性函数，如tanh (在神经网络中非常流行)
2. 中心，然后用1/max(abs(dev))进行渐强
3. 保存0，然后使用1/max(abs(dev))重新排列
4. 2*(x-min)/(max-min) - 1
5. 标准化(正如您所做的那样)，但将值截断为-1;+1
6. ..。更多

Answer 2

如果您有正的数据集，则可以使用此公式将您的值规范化。

Normalized value = (Value / (0.5*Max_Value) )-1;

这将给出范围为-1 +1的值。

如果你有阳性和阴性

 Normalized value = ((Normalized - Min_Value)/(Max_Value-Min_Value)-0.5)*2

Answer 3

也许你可以这样做：

Mid_value = ( Max_value + Min_Value )/2
Max_difference = ( Max_value - Min_Value )/2;
Normalized_value = ( Value - Mid_value )/Max_difference;

Normalized_value应在-1，+1之内。