SVM：從臨牀特徵中提取特徵矢量

我使用SVM對屬於兩個不同組（患者與對照）的患者的臨牀圖像進行分類。我使用PCA從每幅圖像中提取特徵矢量，但我想添加其他臨牀信息（例如臨牀檢查的輸出值），以便將其包含在分類過程中。有沒有辦法做到這一點？我沒有在文獻中找到詳盡的建議。在此先感謝。SVM：從臨牀特徵中提取特徵矢量

您可以在每個樣本的末尾添加新信息。您可以嘗試的其他方法是有兩個額外的分類器，一個可以用附加信息進行訓練，另一個可以將另外兩個分類器的輸出作爲輸入來產生最終預測。

2013-05-17 18:31:10 Pedrom

我想知道，是否使用級聯分類器是必要的。這些附加功能是否意味着，您的SVM會轉移到適當的「決策空間」？如果你願意分享你的經驗，我會非常感興趣。 –

這個問題很老，我發佈我的答案。

如果您必須縮放您的值，請確保將新值縮放到PCA向量中值的類似範圍。如果您的PCA特徵矢量長度不變，那麼您只需從長度+ 1對於SVM輸入（LIBSVM）：

1 1:<PCAval1> ... N:<PCAvalN> N+1:<Clinical exam value 1> ...

我已經做了一個試驗添加對細胞識別和提出的精確性，如一般特徵。

這個Guide描述瞭如何使用枚舉器特性。

P.S .: 在我的測試中，我已經分離出了細胞，並將顯微鏡圖像中的細胞擠壓成矩陣16x16。這個矩陣中的每個像素都是一個特徵 - 256個特徵。此外，我添加了一些功能作爲原始大小，時刻等

2013-11-08 10:37:33

回答