【问题标题】:matlab libsvm multi class classifier gives same predicted labelmatlab libsvm 多类分类器给出相同的预测标签
【发布时间】:2014-06-20 19:56:15
【问题描述】:

我正在使用 libsvm matlab 实现进行人脸识别。我的数据集主要由每个图像的一个行特征向量组成。我的数据库中有两个主题。我需要分类器将与subject1相关的输入样本预测为predicted_label=0,将与subject2相关的输入样本预测为predicted_label=1,并且predicted_label的除0或1以外的任何值都应分类为异常值。但是每次无论输入样本图像如何,我都会得到相同的预测标签。这是我正在使用的代码。我将 GLCM 与 LBP 结合在一个特征向量中,然后使用 zscore matlab 函数对整个数据集进行标准化:

clear all;
close all;
clc;

    img=imread('F:\amal2\frame33.jpg');
     img=rgb2gray(img);
    Training=xlsread('F:\GLCMLBPF.xlsx');
    Group=xlsread('F:\GLCMLBPindex.xlsx');
    %    k=2;  
    %    Class = knnclassify(Sample, Training, Group, k, 'cosine' , 'nearest'); 
    FaceDetect = vision.CascadeObjectDetector;
    figure(1),imshow(img);
    BB = step(FaceDetect,img);
    for i = 1:size(BB,1)
    rectangle('Position',BB(i,:),'LineWidth',3,'LineStyle','-','EdgeColor','r');
    end
    S=[];
    for i = 1:size(BB,1)
    J= imcrop(img,BB(i,:));
    figure(2),imshow(J);
    % S(i,:)=H1;
    I=double(J);
    [eigvector, eigvalue] = PCA(I);
    Y = I*eigvector;
    mapping=getmapping(8,'u2');
    H1=LBPV(J,1,8,mapping);
    GLCM2 = graycomatrix(Y,'Offset',[2 0;0 2]);
    stats = GLCM_Features1(GLCM2,0);
    s1=struct2array(stats);
    s2=H1;
    S(i,:)=[s1,s2];
    end
    Sample=[S(:,1),S(:,3),S(:,5),S(:,7),S(:,9),S(:,13),S(:,15),S(:,17),S(:,19),S(:,21),S(:,33),S(:,37),S(:,39),S(:,41),S(:,43),S(:,57),S(:,61),S(:,64)];
    TF=isempty(Sample);
    if TF~=1
    model = svmtrain(Group,Training,'-c 0.3 -g 0.5');
    Label=1;
    [~, ~, predictions] = svmpredict(Label,Sample,model);
      if  predictions==0   
      figure(2),imshow(J);title('Hassan Ameen');  
      elseif predictions==1 
      figure(2),imshow(J);title('Amal Ali');   
      else
      figure(2),imshow(J);title('outlier'); 

     end
    end

你能告诉我如何使用 libsvm 来实现我的目标吗?

【问题讨论】:

  • 问题解决了吗?

标签: matlab class classification libsvm matlab-cvst


【解决方案1】:

看起来你正在做的事情不会奏效。预测是一个列表。您似乎没有在代码中迭代它。尝试打印预测,看看它会返回什么。

不久前我用 MATLAB 做了一些非常相似的事情(还有几个类)。现在我只在 python 中使用 libsvm,但如果我没记错的话,它们几乎是一样的。

为了给出一个更一般的答案(解决你想要做的整体),我理解的方式是你有 2 个类。主题 1 和主题 2。您想知道它是否属于这些类别之一。如果是这样,您想将其标记为这样。如果不是,您想将其标记为异常值。

要解决这个问题,您有两个主要选择

1) 更简单的一个(但可能不太准确 - 我需要查看您的数据集来确认):有三个类。主题 1、主题 2、其他。将这些类表示为 1、2 和 3。我只使用了 python libsvm,但我猜您的 Training 变量是一个列表列表,而您的 Group 变量只是一个列表,顺序相同,表示它的组落入。

然后我用 python 有效地做到了:

    prob = svmutil.svm_problem(y, x)
    param = svmutil.svm_parameter('-t 0 -b 1')
    m = svmutil.svm_train(prob, param)
    pred_labels, (ACC, MSE, SCC), pred_values = svmutil.svm_predict(ytest, xtest, m)

对我来说 pred_labels 变量是返回的第一件事(您可能想要检查),尽管如果您没有指定 -b 参数,p_val 将与 p_label 相同。

2) 第二种选择是只有两个类,但传递 -b 参数来标记它以进行概率估计。这将允许您手动配置每个类所需的概率(如果失败,则将其标记为异常值)。

【讨论】:

    猜你喜欢
    • 2015-02-01
    • 2019-09-09
    • 1970-01-01
    • 1970-01-01
    • 2016-07-23
    • 2013-05-18
    • 2013-10-21
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多