如何使用LibSVM对高光谱数据集进行分类并使用.mat文件训练SVM？

Question

我正在尝试使用LibSVM对高光谱数据集进行分类。

我有两组数据：

1. 一个.mat文件，包含200个波段的145 * 145像素。
2. 一个包含145 * 145像素的.mat文件，用于16个类别的标签（值 从1到16）。（背景值为0）

此链接中的更多信息：Indain_pines_dataset

我的问题是：如何为16类的训练和测试LibSVM（training_label_vector和测试标签向量）抽取类的特定数量或百分比像素。

我的目标是对此数据进行多类分类。

请帮助..

Answer 1

我会给你一般的想法：

首先根据实际情况选择样本（16班图像）：

Idx = cell（16,1）; Sample = zeros（no_samples）;

表示k = 1:16

[〜，Idx {k}] = find（HSI == k-1）;

[〜，Sample（k）] = datasample（Idx {k}，no_samples）;

端

Idx是一个包含每个类的像素的所有索引的单元格。样本的第K列包含随机抽样用于训练目的的Idx成员。

现在您想要恢复训练算法的光谱特征。

Hr =重塑（恒生指数，145 * 145,200）;从HSI中获取2D阵列。

class = cell（16,1）;将包含每个班级的培训样本。

表示k = 1:16

class {k} = Hr（Idx {k}（Sample（:)，1），:);

端

现在，类{1}包含no_samples光谱签名。我想在印度松树上有10个样本很多。请记住，此数据集上的某些聚类非常小（无像素）。祝你好运！