我的问题如下：
- 我有6种图像，或6种类。例如，猫，狗，鸟等
- 对于每种类型的图像，我都有很多图像。例如，棕色猫，黑狗等
- 我目前正在使用支持向量机（SVM）使用一对一分类对图像进行分类。我正在将每个图像展开为单个像素矢量，并将其用作给定图像的特征向量，我体验到了不错的分类精度，但我想尝试不同的东西。
- 我想使用图像描述符，特别是SURF特征，作为每个图像的特征向量。这个问题是，每个给定的图像只能有一个特征向量，并且我从特征提取过程中获得了可变数量的SURF特征。例如，1张猫的照片可能会给我40张SURF特征，而1张狗的照片会给我68张SURF特征。我可以选择n个最强的功能，但我无法保证所选的SURF功能是描述我的图像的功能（例如，它可以专注于背景）。也无法保证找到任何SURF功能。
所以，我的问题是，如何获得许多观察结果（每个观察结果都是SURF特征向量），并将这些观察结果“折叠”成一个特征向量，该向量描述原始图像并可以提供给SVM进行训练？ / p>
感谢您的帮助！