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。