如何在Open CV LibSVM中扩展数据

Question

我正在使用 OpenCV 和 Visual C ++ 开发英文手写OCR。我使用基于区域的方法进行特征提取。在这里，我使用64×64图像。 所以我对一个样本图像有 64个功能。我的 SVM 将是多级SVM ，因为我对大写和简单字母都有 52个类。 这是特征向量的格式。

Class A image1 0:0.222000 1:0.0250222 ..... 63:0.000052
Class A image2 (some float values) .... 
Class A image200 (some float values)

对于 52个课程，我同样拥有 200张图片。当测试我当前的准确率仅 35％ - 40％时，我已阅读缩放数据，提高了预测的准确性。 但我有一些事情需要说清楚。

1. 如何缩放这些功能值？

2. 是否有任何功能可以获得 OpenCV LibSVM 中每个测试特征向量的匹配概率（我搜索 OpenCV 2.4.5 文档，但我不能找不到这个。

任何人都可以解释这些吗？ ，如果可能的话，还有一些极少的代码行。

Answer 1

1. 看看A Practical Guide to Support Vector Classification。基本上，您应该将要素向量的每个维度缩放到[-1,1]或[0,1]（所有维度都相同）。例如，对于第一维，如果您知道可能的最大值和最小值为v_max和v_min（如果它是像素灰度值，那么它们是0和255）。然后，您可以将新要素值计算为new_val = (old_val-v_min)/(v_max-v_min);

2. 这是OpenCV SVM预测函数的文档：predict。

   float CvSVM::predict(const CvMat* sample, bool returnDFVal=false ) const

   如果您将returnDFVal传递为true，那么您将获得距离边距的距离作为返回值。这不是一个概率，但你可以用它作为你的分类有多好的指标。

希望这有帮助。

Answer 2

1. 您的数据已经有所缩放，但libsvm人会建议（http://www.csie.ntu.edu.tw/~cjlin/papers/guide/guide.pdf）线性缩放到[0,1]或[-1,1]。如果您有像素数据[0,1]可能更有意义。

2. 我也没看到。您可以链接到C ++ libsvm（http://www.csie.ntu.edu.tw/~cjlin/libsvm/），然后您有两个选项。 A）列车类概率，在这种情况下，你得到那些或B）要求距离决策边界的距离。