如何使用LDA训练SVM

Question

我在OpenCV 3.0中使用C ++。

我有一个训练数据矩阵，其中包含我从一些图像中提取的特征（ trainData ）。这个矩阵的大小是2750x1104，因为我有2750个图像（正面和负面），每个都有1104个特征。我有2750x1的其他矩阵与标签（ trainLabels ）。

• trainData ：2750张图片x 1104功能。
• trainLabels ：2750张图片x每列1个标签

有了这些信息，我想培训一个SVM，我想评估使用PCA（主成分分析），LDA（线性判别分析）和两者结合的表现。我已经毫无问题地应用了PCA但是当我使用LDA时，我获得了一个2750x1（投影）的矩阵，SVM不能将其用作输入。

我已使用此link，但他们没有使用SVM。

这是代码：

LDA lda(trainData, trainLabels, num_components);
Mat eigenvectors = lda.eigenvectors();
Mat projected = lda.project(trainData);

我选择了 num_components 为1，因为我有两个班级（人和无人）。

这些是我的结果：

• 特征向量：1104行x 1列
• 预计：2750行x 1列

据我所知，特征向量应为1104x1104且投影 2750x1104，因此可以使用矩阵投影训练SVM。

我不知道代码中是否真的错了，也许我不能正确理解LDA是如何工作的。如果是的话，你能给我一些提示吗？事实上，我可以用LDA培训SVM吗？

提前致谢。