MatLab中LIBSVM在多类图像分类中的应用

我在MatLab中使用LIBSVM尝试对图像进行分类

我知道支持向量机是一种二元分类模型，但我想知道我将如何使用它作为多类分类模型

---

是否可以训练成对的数据（即汽车和非汽车、马和非马、人和非人），然后通过将图像与所有三个模型进行比较来预测图像属于哪一类？如果是，我怎样才能做到这一点？我的测试标签向量是什么？

是的，你的建议是一个很好的方法。它叫“世界杯”

---

您需要为每个类培训单独的支持向量机。输出数据将是一个二进制变量，如果在该类中，则等于1，否则等于0。然后，为了对一个新项目进行分类，在每个支持向量机中运行它，并选择输出最高的一个（输出最接近1）。

作为@Dan的补充答案，下面是我之前的相关代码：

---

谢谢你的回复。在我上面提到的例子中——生成了3个模型，然后我会对每个模型执行三次svmpredict，每次一次，并接受预测准确度最高的模型吗？谢谢您的帮助。您能解释一下为什么您使用的是

double（trainingLabel==k）

而不是

double（trainingLabel）

？另外-在生成模型时，我使用了15个汽车实例（1个在培训标签的相应位置）和15个非汽车实例（1个在培训标签的相应位置）。我可以对每个非aclass实例使用相同的15个随机对象吗？即非马、非人？谢谢Gwenji。trainingLabel==K表示您希望获得模型预测实例属于K的概率，然后选择概率最大的K数。你的第二个问题，答案是肯定的。最后一个问题-当涉及到运行

svmpredict

时，假设我有一个20辆车的类，我想确定它们属于三个类中的哪一个-我可以只使用20辆车和20个“1”的测试标签向量吗？或者我必须使用20辆汽车和20辆非汽车才能使用40个'1和-1'的测试标签向量？非常感谢您的帮助。我建议您使用其中的40个，因为您可能需要获得模型可预测性的假阳性/阴性。

model = cell(NumofClass,1);  % NumofClass = 3 in your case
for k = 1:NumofClass
    model{k} = svmtrain(double(trainingLabel==k), trainingData, '-c 1 -g 0.2 -b 1');
end

%% calculate the probability of different labels

pr = zeros(1,NumofClass);
for k = 1:NumofClass
    [~,~,p] = svmpredict(double(testLabel==k), testData, model{k}, '-b 1');
    pr(:,k) = p(:,model{k}.Label==1);    %# probability of class==k
end

%% your label prediction will be the one with highest probability:

[~,predctedLabel] = max(pr,[],2);