Opencv 执行最小-最大规格化的正确方法

我正在使用opencv svm实现字母表分类。 我对规范化特征向量有疑问。 我有两种归一化特征向量的方法， 我需要找到哪种逻辑上正确的规范化方法

方法1

假设我有3个特征向量，如下所示

[2,  3,  8, 5 ] -> image 1
[3,  5,  2, 5 ] -> image 2
[9,  3,  8, 5 ] -> image 3

特征向量中的每个值都是通过将像素与核卷积得到的

目前，我正在寻找每列的最大值和最小值，并在此基础上进行规范化

在上述情况下，第一列是

[2,3,9]

min = 2
max = 9

并在此基础上对第一列进行规范化。同样，所有其他列都被规范化

方法2

如果内核如下所示

[-1   0  1]
[-1   0  1]
[-1   0  1]

然后，通过与上述内核进行卷积，可获得如下最大值和最小值（8位图像-强度范围：0-255）

并将每个值规格化为大于最大最小值

---

在逻辑上，哪种方法是正确的标准化方法（方法1或方法2）？

标准化方法是方法1（请参阅的答案）。我还建议您阅读有关svm训练的参考资料

但是，在您的情况下，使用同一内核计算的所有特征的范围将是相似的，并且方法1可能弊大于利（例如，通过增加几乎恒定的特征的噪声）

---

因此，我的建议是：测试这两种方法，并评估性能，看看什么在您的情况下效果最好。

如果我们的功能不相关，例如（角度、重量、亮度等），则使用不同的最小-最大值对每个列进行规格化不会产生问题）。在我的例子中，我从每个区域提取特征，因此我认为faeture的顺序很重要（因此我认为在这种情况下，我们应该使用minmax，如方法2中所示）

max val = 765
min val = -765