Question

我是matlab和LIBSVM的新手。我计算了每个点的特征向量，说明了单个向量中点的r，g，b值，并将其存储在.mat文件中。目前我有大约420分和4个班级，红色/绿色/蓝色/其他。现在我想传递这个.mat文件来训练libsvm并根据它对新到达的测试点进行分类，无论是红色还是蓝色还是绿色或其他。不用说，它是一个多类分类，我甚至不知道如何处理它？ svmtrain(TrainingSet,Groups,'kernel_function','rbf');其中TrainingSet是我的420*4要素向量集，Groups是类名。在此先感谢您的帮助。

Answer 1

您可以尝试使用libsvm进行一对一的方法。

model = cell(4,1);
for k=1:4
    model{k} = svmtrain(double(TrainingSet==k), Groups, '-c 1 -g 0.2 -b 1');
end

然后在您的测试过程中，只计算不同标签的概率：

pr = zeros(numTest,4);
for k=1:4
    [~,~,p] = svmpredict(double(testLabel==k), TestSet, model{k}, '-b 1');
    pr(:,k) = p(:,model{k}.Label==1);    %# probability of class==k
end

并且您的标签预测将是概率最高的那个：

[~,predctedLabel] = max(pr,[],2);

在matlab中使用LIBSVM的特征向量.mat文件

1 个答案: