支持向量机的层次分类答案

【问题标题】：hierarchical classification with SVM支持向量机的层次分类
【发布时间】：2015-02-16 00:28:59
【问题描述】：

我正在尝试用 SVM 处理分类问题，一开始我设法解决了第一级的问题，即将我的数据分类为 2 个类（class1 和 class2）。现在我想继续分层分类，即我想将第二类分为两个类。有没有办法用 Matlab SVM 做到这一点。谢谢

【问题讨论】：

你能用循环吗...？
实际上，我使用以下代码将我的数据分类为 2 类 model=svmtrain(lab_train,train,'-t 2 -d 2 -c 7 -g 0.5'); [labeltrain,valtrain,prectrain]= svmpredict(lab_train,train,model); [labeltest,valtest,prectest]= svmpredict(lab_test,test,model);而且我不知道如何以只取第二类并将其再次分类为 2 类的方式使用结果
@user3127771 你应该编辑你的问题而不是添加评论。

标签： matlab classification svm hierarchical svmlight

【解决方案1】：

您没有提及您的特征，因为在第一次分类之后，您必须为新分类器定义新特征。

您可以将特征存储在矩阵中并在新分类器中使用它们。

由于我不确切知道您的问题是什么，所以我提供了一个没有循环的示例，但您可以根据需要轻松更改为循环。

x1 = 5 * rand(100,1);
y1 = 5 * rand(100,1);
data1 = [x1,y1];
x2 = -5 * rand(100,1);
y2 =  5 * rand(100,1);
data2 = [x2,y2];
x3 = -5 * rand(100,1);
y3 = -5 * rand(100,1);
data3 = [x3,y3];
plot(data1(:,1),data1(:,2),'r.'); hold on
plot(data2(:,1),data2(:,2),'bo');
plot(data3(:,1),data3(:,2),'ms');
data = [data1;data2;data3];

以上是我的数据，表示二维平面中的点。

现在我将它们分为x>0和x<0两类。

label = ones(size(data,1),1);
label(1 : size(data1,1)) = -1;
c1 = svmtrain(data,label,'Kernel_Function','linear','showplot',true); 
hold on;
p1 = svmclassify(c1,data);

在第一个分类器之后，我选择一个类 (x<0) 并定义新的特征。

我会将它们分为两类，y>0 和 y<0。

newdata = data(p1 == 1,:);
data1 = newdata(newdata(:,2)>=0,:);
data2 = newdata(newdata(:,2)< 0,:);
data = [data1;data2];
label = ones(size(data,1),1);
label(1 : size(data1,1)) = -1;
c2 = svmtrain(data,label,'Kernel_Function','linear','showplot',true);

我使用了所有数据进行训练，您也可以根据自己的问题进行调整。

【讨论】：

对于我的数据，我将图像存储在形式的矩阵中：第一类为 256 个图像，第二类为 256 个图像。首先，我从图像中提取特征。我的 feture verctor 是的形式，我使用 50% 的训练和 50% 的测试。我这样分类：model=svmtrain(lab_train,train,'-t 2 -d 2 -c 7 -g 0.5'); [labeltrain,valtrain,prectrain]= svmpredict(lab_train,train,model); [labeltest,valtest,prectest]= svmpredict(lab_test,test,model);其中：train 是训练数据，test 是测试数据
@user3127771，您可以将其添加到您的问题中。您打算为第二个分类器使用哪些功能？
对于第二个分类器，我想使用被分类为属于 class2 的特征
@user3127771，我不是那个意思。在我的示例中，我使用x 的值作为第一分类的特征，使用y 的值作为第二分类的特征。在你的情况下，我不知道你的第二个分类将基于什么。