Question

你好我实际上正在开发一个使用opencv进行特征提取和svm的CBIR。

我的问题是：我使用带有RBF内核的ONE_CLASS分类器。我使用opencvSVM的函数预测，最后一个参数为true（意味着如果分类是二进制的，那么它会将符号的距离返回到边距），以便对我的数据进行分类。

但即使这些参数设置为true，它也只返回标签（因此在我的情况下不是很有用）。

所以我的问题是：什么是计算数据到marge的距离的公式（知道向量支持）？

谢谢

Answer 1

通常，距分离超平面的距离与SVM用于分类的完全相同。换句话说，分类方程只是您要求的签名距离的符号。

鉴于你的内核K，支持向量SV_i和alpha系数alpha_i（拉格朗日乘数）和阈值（偏差）b这个等式很简单，给定标签相关联每个支持向量y_i：

sgn_dist(x) = SUM_i alpha_i y_i K(x, SV_i) - b

这是签名距离，所以当你处于正面时会获得正值，否则你会得到正值，如果你想要一个＆＃34; true＆＃34;距离（无标签）只需按标签划分或取绝对值

dist(x) = |sgn_dist(x)| = |SUM_i alpha_i y_i K(x, SV_i) - b|