我的问题如下：
- 我有 6 种类型的图像，或 6 个类。例如，猫、狗、鸟等。
- 对于每种类型的图像，我都有该图像的许多变体。例如，棕猫、黑狗等。
- 我目前正在使用支持向量机 (SVM) 使用一对一分类对图像进行分类。我将每个图像展开为单个像素向量，并将其用作给定图像的特征向量，我体验到了不错的分类精度，但我想尝试一些不同的东西。
- 我想使用图像描述符，特别是 SURF 特征，作为每个图像的特征向量。这个问题是，每个给定图像我只能有一个特征向量，并且我从特征提取过程中获得了可变数量的 SURF 特征。例如，一张猫的照片可能会给我 40 个 SURF 特征，而一张狗的照片会给我 68 个 SURF 特征。我可以选择 n 个最强的特征，但我无法保证选择的 SURF 特征是描述我的图像的特征（例如，它可以集中在背景上）。也不能保证找到任何 SURF 功能。
所以，我的问题是，我怎样才能获得许多观察结果（每个都是 SURF 特征向量），并将这些观察结果“折叠”成一个特征向量，该特征向量描述原始图像并可以馈送到 SVM 进行训练？
谢谢你的帮助！