将猪喂入支持向量机:猪有9个存储箱，但支持向量机采用一维矩阵

Question

在OpenCV中，有一个CvSVM类，它接受一个样本矩阵来训练支持向量机。矩阵是2D的，样本在行中。

我创建了自己的方法来从视频提要中生成定向梯度(HOG)的直方图。为此，我创建了一个9通道矩阵来存储HOG，其中每个通道对应一个方向框。最后我得到了一个CV_32FC(9)类型的40x30矩阵。

也为这只猪做了一个可视化，它正在工作。

我不知道如何将这个矩阵输入OpenCV支持向量机，因为如果我将其展平，我不知道支持向量机如何从1D输入数据中学习9D超平面。

Answer 1

支持向量机总是接受每个特征向量的单行数据。因此，特征向量的维度是行的长度。如果你在处理2D数据，那么每个特征向量有2个项目。2D数据的示例在此网页上：

http://www.csie.ntu.edu.tw/~cjlin/libsvm/

OpenCV http://sites.google.com/site/btabibian/labbook/svmusingopencv中等效演示的代码

重点是，即使你认为直方图是具有9-bin单元格的二维直方图，特征向量实际上是它的平面化版本。因此，将其展平为一个长的特征向量是正确的。对我来说，结果是一个长度为2304 (16x16x9)的特征向量，并且我在一个小的测试集上获得了100%的预测准确率(即，它可能略低于100%，但它工作得非常好)。

这样做的原因是，支持向量机在特征向量的每个项目的权重系统上工作。所以它与问题的维度没有任何关系，超平面总是与特征向量在同一维度上。另一种看待它的方式是忘记超平面，只将其视为特征向量中每一项的一组权重。在这种情况下，它需要为每个项目设置一个权重，然后将每个项目与其权重相乘，并输出结果。