SVM：添加临床功能以从图像中提取特征向量

Question

我正在使用SVM对属于两个不同组（患者与对照组）的患者的临床图像进行分类。我使用PCA从每个图像中提取特征向量，但我想添加其他临床信息（例如，临床检查的输出值），以便将其包含在分类过程中。 有没有办法做到这一点？ 我没有在文献中找到详尽的建议。 提前谢谢。

Answer 1

您可以在每个样本的末尾附加新信息。您可以尝试的其他方法是使用另外两个分类器，一个可以使用附加信息进行训练，另一个分类器可以将其他两个分类器的输出作为输入进行最终预测。

Answer 2

问题已经很久了，我发布了我的答案。

如果必须缩放值，请确保将新值缩放到PCA-vector中类似值的范围。 如果要素的PCA向量具有恒定长度，则只需从长度+ 1开始枚举要素，例如对于SVM输入（libsvm）：

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

我做了一项测试，增加了细胞识别的一般功能和提高的准确性。

此Guide介绍了如何使用枚举器功能。

P.S .: 在我的测试中，我已经隔离，并将显微镜图像中的细胞挤压到16x16的矩阵。该矩阵中的每个像素都是一个特征 - 256个特征。另外，我添加了一些原始大小，时刻等功能。