对于点特征直方图估计中的分箱过程,如果仅使用三个角度特征(alpha、phi、theta),则会产生b^3个箱子,其中b代表箱子的数量。
为什么是b^3而不是b*3?
假设我们考虑alpha。特征值范围被细分为b个间隔。您遍历查询点的所有邻居,并计算落在一个间隔内的alpha值的数量。因此,alpha有b个箱子。当您将这个过程重复用于另外两个特征时,则会得到3 * b
个箱子。
我的理解有误吗?
对于点特征直方图估计中的分箱过程,如果仅使用三个角度特征(alpha、phi、theta),则会产生b^3个箱子,其中b代表箱子的数量。
为什么是b^3而不是b*3?
假设我们考虑alpha。特征值范围被细分为b个间隔。您遍历查询点的所有邻居,并计算落在一个间隔内的alpha值的数量。因此,alpha有b个箱子。当您将这个过程重复用于另外两个特征时,则会得到3 * b
个箱子。
我的理解有误吗?
#
的单元格中:^ phi
|
+-+-+-+-+
| | | | |
+-+-+-+-+
| | | | |
+-+-+-+-+
| | | |#|
+-+-+-+-+
| | | | |
+-+-+-+-+-> alpha
alpha
维度中的每个区间都与phi
维度中的所有区间结合,从而导致数目平方增加而不是加倍。添加另一个维度,就会出现立方体而不是三倍增加,正如你所问的那样。