1

我在 Matlab 中实现了一种算法,用于测试检测修改图像的准确性。精度由 SVM 提供。但我的问题是如何选择具有 adaboost 的高特征,以降低计算复杂度。

详细地说,我有一个图像的特征向量(1xN),我不确定我是否可以在 adaboost 中使用类似的向量。我在 Matlab中fitensemble使用这个向量作为参数的函数X。我应该得到 D 维的新特征向量。我的问题是,如果我的数据输入中的观察是特征,那么我应该将行向量转换为列向量,还是我完全错了?numberens= 30,50,75,100'tree'

我在哪里可以找到新的特征向量,或者如何在结果模型中获得它,ens?

详情:“Boosting Feature Selection 可以用来选择最优的特征来降低计算复杂度。经过 D 次迭代,我们可以得到 D 维的新特征向量,然后将它们用于最终分类。” 我认为我的特征值可能是观察值,而我只有一列与该图像相关。Adaboost 应该返回一个维度为 D 的新特征向量。例如:如果我的初始特征向量 F 的长度是 256,在使用 30 次迭代的情况下,我应该得到一个大小为 30 的新特征向量吗?F 包含许多零和一些值,其中最大值可以等于 100000。

4

0 回答 0