如何在特徵提取中使用svm分類器

-5

我計算了一個視頻的5個特徵。運行這個視頻40幀... 40個5陣列構建...爲了使我的訓練數據爲我計算20個視頻的特徵。 ..20 * [40乘5] ...同時使組我有一些問題......第1類和第0類分配給每行訓練數據，如800行半1和0半0 ....或分配相關的單個塊40×5 20行......以及計算類別性能時出現的另一個問題，其中術語定義爲「真實標籤」... CP = classperf（truelabels，classout）.... classout更新它的值超過了真正的標籤......但是truelabels是一個1和0相同長度的測試數據的數組。如何在特徵提取中使用svm分類器

來源

2013-04-29 user2263733

請問您可以投資5分鐘問一個不知何故可讀的問題？你應該如果你期望有人回答這個問題... – matheburg 2013-04-29 19:38:31

我以爲你的疑惑解決了[this]（http://stackoverflow.com/questions/15913185/how-to-use-classifiers）問題。另外，請不要問問你是否在跟別人說話。我知道這是一個任務/項目，所以寫一個問題就好像你在寫報告一樣。 – 2013-04-29 20:02:01

另外，如果您通過預測火車樣本獲得'classout'，則'truelabels'將成爲訓練標籤，並且如果您通過預測測試樣本獲得'classout'，它將測試標籤。閱讀文檔[這裏]（http://www.mathworks.com/help/bioinfo/ref/classperf.html） – 2013-04-29 20:04:31

這個問題是關於如何使用這些MATLAB函數：

如果你想整個視頻進行分類，你將有每一個標籤視頻，即將1或0分配給「單個塊40×5 20行」，在這種情況下，您的訓練數據矩陣應爲20x200（20具有200個功能的視頻），並且您將擁有20x1組標籤向量。

如果您試圖對每個視頻中的各個幀進行分類，您的訓練數據矩陣應該是800x5（800幀5個特徵），並且您將擁有800x1組標籤向量。

根據classperf文檔：「classout必須包含與truelabels相同數量的元素。」它也有一個如何使用classperf的好例子。

來源

2013-04-29 23:00:09 Bull

先生感謝您理解我的問題...因此truelabel將是我的組矢量安排 – user2263733 2013-05-01 04:57:10

如何在特徵提取中使用svm分類器

回答

相關問題