应《网络安全法》要求，自2017年10月1日起，未进行实名认证将不得使用互联网跟帖服务。为保障您的帐号能够正常使用，请尽快对帐号进行手机号验证，感谢您的理解与支持！

24小时热门版块排行榜    

小木虫论坛-学术科研互动平台 » 专业学科区 » 信息科学 » 程序算法 » SVM分类，原始数据点是二维矩阵，如何转化为列向量才能保证分类准确性？
121/2返回列表12下一页
查看: 2615  |  回复: 11
只看楼主@他人 存档 新回复提醒 (忽略) 收藏    在APP中查看

voidmainn

新虫 (小有名气)

[求助] SVM分类，原始数据点是二维矩阵，如何转化为列向量才能保证分类准确性？已有2人参与

原始的每个数据点是16×16的二维矩阵，拿几百个这样的数据点用来训练svm分类器。那么怎样把这些二维矩阵表示的数据点转化为列向量表示才能准确分类？
我现在的做法是直接把矩阵中的后一列接在前一列，构成256维空间的列向量。这样可行吗？有没有什么高级办法可以降维同时保证不丢失特征？
恳请各位大神指点。

[ 发自手机版 http://muchong.com/3g ]
回复此楼

» 猜你喜欢
1楼2015-09-22 00:04:55
已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

hua_007

铜虫 (小有名气)

【答案】应助回帖

感谢参与，应助指数 +1
在你的方法的基础上，添加其他抽取的特征，16x16，就是理解为一个矩阵啊，例如特征值什么的
赞一下 回复此楼
江湖
2楼2015-09-22 21:44:18
 已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

voidmainn

新虫 (小有名气)
引用回帖:
2楼: Originally posted by hua_007 at 2015-09-22 21:44:18
在你的方法的基础上，添加其他抽取的特征，16x16，就是理解为一个矩阵啊，例如特征值什么的

还有必要添加其他特征吗？再添加就是矩阵的特征值，行列式值之类的，而且这些值与元素相关，不是独立维度。我是想降维来着，这样又升维了。。

[ 发自手机版 http://muchong.com/3g ]
赞一下 回复此楼
3楼2015-09-23 00:08:37
 已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

avhg

木虫 (著名写手)

幻象

【答案】应助回帖

感谢参与，应助指数 +1
看各个值意思，也可以平铺然后添加额外特征之后再降维？
赞一下 回复此楼
只要坚持，胜利是迟早的事。
4楼2015-09-23 14:45:45
 已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

九品夹

新虫 (初入文坛)
16*16是图像数据吗？如果是的话，直接拉成256维也许会不够鲁邦的。可以试试特征提取或者降维。

发自小木虫Android客户端
赞一下 回复此楼
5楼2015-09-23 21:04:58
 已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

voidmainn

新虫 (小有名气)
引用回帖:
4楼: Originally posted by avhg at 2015-09-23 14:45:45
看各个值意思，也可以平铺然后添加额外特征之后再降维？

矩阵里元素表示不同入射角度下的归一化光强，每个元素对应一个角度。还能有什么其他特征？我这原本就是一堆数，不是图像提取的数据。

[ 发自手机版 http://muchong.com/3g ]
赞一下 回复此楼
6楼2015-09-24 00:30:58
 已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

voidmainn

新虫 (小有名气)
内容已删除
回复此楼
7楼2015-09-24 00:34:50
 已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

九品夹

新虫 (初入文坛)
引用回帖:
7楼: Originally posted by voidmainn at 2015-09-24 00:34:50
不是图像提取的特征数据。每个数据点原本就是一个数值矩阵，每个矩阵当然可以生成图像。不知道是否有降维方法？
...

你可以用主成分分析（pca）试试，如果数据蒋维后信息没有丢失，那么分类精度不会受影响

发自小木虫Android客户端
赞一下 回复此楼
8楼2015-09-24 01:06:41
 已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

voidmainn

新虫 (小有名气)
引用回帖:
8楼: Originally posted by 九品夹 at 2015-09-24 01:06:41
你可以用主成分分析（pca）试试，如果数据蒋维后信息没有丢失，那么分类精度不会受影响
...

从意义上来说，矩阵每个元素都不能舍弃，它们并没有主次之分，也不能分配不同权重。这个pca方法能否用于这种问题？

[ 发自手机版 http://muchong.com/3g ]
赞一下 回复此楼
9楼2015-09-24 01:12:59
 已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖

九品夹

新虫 (初入文坛)
没有问题的，每一维都是等价的，没有主次之分。但是有可能某些维度上有冗余，比如所有的样本在第一维上都为0，那么pca算法就可以把这一维度去掉，从而降低到255维。具体降维如何操作，在哪一维上操作，要是是要看你的数据长什么样子。另外，我只是举个例子，pca算法可能没我刚刚说的那么简单，pca是向更底维的子空间投影。

发自小木虫Android客户端
赞一下 回复此楼
10楼2015-09-24 01:27:59
 已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
相关版块跳转 我要订阅楼主 voidmainn 的主题更新
121/2返回列表12下一页
普通表情 龙 兔 虎 猫
信息提示
关闭
请填处理意见
关闭