Opencv CvSVM.predict（）给出'；楠'；输出和低精度

我使用CvSVM只对两种面部表情进行分类。我使用基于LBP（局部二进制模式）的直方图从图像中提取特征，并使用

cvSVM:：train（data\u-mat，labels\u-mat，mat（），mat（），params）

进行训练，其中

数据_mat的大小为200x3452，包含200个样本的标准化（0-1）特征直方图，采用行主形式，每个特征3452个（取决于邻域点的数量）

labels_mat是只包含两个值0和1的对应标签矩阵。 参数包括：

CvSVMParams参数

params.svm_type     =CvSVM::C_SVC;
params.kernel_type  =CvSVM::LINEAR;
params.C            =0.01;
params.term_crit=cvTermCriteria(CV_TERMCRIT_ITER,(int)1e7,1e-7);

问题在于：-

在测试过程中，即使使用不同的内核和train_auto（）函数，我也会得到非常糟糕的结果（大约10%-30%的精度）

CvSVM:：predict（测试数据，真）

给出“NaN”输出

---

我将非常感谢您在这方面提供的任何帮助，这让我感到困惑。

我想，您的类在您使用的特征空间中是线性硬/不可分离的。 在分类器训练步骤之前，最好对数据集应用PCA 并估计该问题的有效维数。 另外，我认为使用其他分类器测试数据集是很有用的。 为此，您可以采用标准opencv示例points_classifier.cpp。

---

它包括许多不同的分类器，具有相似的界面，您可以使用。

SVM的泛化能力很低。首先，通过主成分分析降低数据维度，然后将SVM kerenl类型更改为RBF