我目前正致力于使用不同的图像描述符对图像进行分类.由于他们有自己的指标,我使用预先计算的内核.因此,考虑到这些NxN内核矩阵(总共N个图像),我想训练和测试SVM.虽然我对使用SVM不是很有经验.
令我困惑的是如何输入培训输入.使用内核MxM的子集(M是训练图像的数量),训练具有M个特征的SVM.但是,如果我理解正确,这限制了我使用具有相似数量的功能的测试数据.尝试使用大小为MxN的子内核,在训练期间会导致无限循环,因此,在测试时使用更多功能会产生不良结果.
这导致使用相同大小的训练和测试集给出合理的结果.但是,如果我只想分类,说一张图像,或者为每个班级训练一定数量的图像并用其余的训练,这根本不起作用.
如何消除培训图像和功能的数量之间的依赖关系,以便我可以测试任意数量的图像？
我正在使用libsvm for MATLAB,内核是距离矩阵,范围在[0,1]之间.
我正在使用libsvm,我必须实现多类的分类,而不是全部.
我该怎么做？2011版本
是否libsvm使用此功能？
我认为我的问题不是很清楚.如果libsvm没有自动使用one,那么我将为每个类使用一个svm,否则我如何在svmtrain函数中定义这个参数.我读过libsvm的自述文件.