基于SVM-PP的图像特征提取

本文介绍了如何使用SVM-PP方法进行图像特征提取。通过构造投影指标,将d维原始数据两类训练集X1和X2映射到线性投影方向a上,得到Y1和Y2。目标是寻找最优投影方向,使得投影后的特征能以最小错误率区分样本类别。错误分类样本数ε1和惩罚系数C用于衡量分类效果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


        利用SVM-PP法设计构造投影指标进行特征提取的计算过程如下:
        假定有d维原始数据两类训练集合分别为X1={x1,x2,...xn1},X2={xn1+1,xn1+2,...xn1+n2},其中符号n1和n2各自表示上述两种类别内的样本个数。判定所需的线性投影方向为a={a1,a2,...,ad},则获取投影特征为Y1=a.X1Y2=a.X2。其中,对识别问题来说应搜寻最优线性投影方向,使投影特征Y1Y2必须满足样本分类具有最小的错误率,其具体判定公式如下:
                     minI(Y1,Y2)=C(2i=1SVM(ε1))
式中,系数ε1分别代表在支持向量机分类函数中的两个种类的错误分类样本数,用于评价相应变换所得投影特征正确分类样本的能力;符号C表示惩罚系数。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值