问题标签 [feature-extraction]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - 在手写数字示例中使用 scikit-learn 实现 SVM 的特征提取器
在指南中谈到：“在监督问题的情况下，解释变量存储在 .target 成员中。” 这是什么意思？
在 scikit 网站的这个例子中： http ://scikit-learn.org/stable/auto_examples/plot_digits_classification.html 我不明白：
1）如果使用任何特征提取器（边缘检测）来识别数字。
2）目标向量中的平均数字是多少？是图片显示的对应数字吗？
opencv - Fern 平面物体检测 OpenCV
我正在尝试运行平面对象检测算法 FERN。这是我正在使用的代码，我的问题是是否有人可以告诉我我的错是什么以及我如何正确训练蕨类植物。
首先，我在 FAST 特征检测器的帮助下获得了参考图像的关键点。完成后，我初始化一个 FernDescriptorMatcher 并添加带有关键点的图像并调用 train 函数。有问题？
之后，我用我在其中训练过的对象加载另一个图像并获取关键点，以便我可以通过调用 match 函数来匹配它们。
我不明白的是为什么匹配功能与训练功能花费相同的时间并且没有可行的结果。那么我如何正确使用 FernDescriptorMatcher 类？
有人可以告诉我如何正确使用它吗？
machine-learning - 如何评估特征选择方法？
你好，
如何为给定的数据集（文本数据）选择最适合的特征选择方法？
例如，在 Weka 中，有几种属性选择方法（CfsSubsetEval、ChiSquaredAttributeEval、...等）和几种搜索方法（bestfirst、greedy、ranker ...等）。
我的问题：我怎么知道哪种属性选择方法和搜索方法最适合给定数据集？！
我的猜测：我应该在应用特征选择过滤器后使用交叉验证来测试数据集吗？例如，这意味着如果我有 10 种属性选择方法和 10 种搜索方法，我将需要执行 100 次交叉验证测试，然后选择准确度最高的配置！！！！！！！！！我在这里假设我只针对一个分类器进行测试。那么如果我有 2 个分类器（SMO 和 J48），我需要执行 200 次交叉验证测试吗？！
如果我误解了什么，请纠正我...
svm - Canny 算法是否足以创建特征描述符图像并为 SVM 提供？
我使用精明算法从图像中检索轮廓。有一个描述符图像并放入 SVM 并找到相似之处就足够了吗？或者我需要其他特征，如伸长率、周长、面积？我谈论这个，因为受到这个例子的启发：http ://scikit-learn.org/dev/auto_examples/plot_digits_classification.html我首先给出我的灰度图像，其次是精明的算法风格，在这两种情况下我的混淆矩阵都很多为 0，例如精度、召回率、f1 分数、支持度量
matlab - 使用 FFT、PSD 和 STFT 进行音频特征提取并找到最强大的频率
1) 假设我有使用F = fft(x)和获得的 FFT 和 STFT 系数S = spectrogram(x)。这些系数如何用作音频特征？（这里音频特征用于模式识别）。
2) 以下代码是否给出了信号中的 PSD 和最强大的频率（以 kHz 为单位）？
3) 如果 (2) 没问题，我如何n使用 PSD 找到信号中最强大的频率？
4) 如何使用类似于 PSD 的 FFT 和/或 STFT 找到最强大的频率？
提前致谢。
image-processing - 通过 find_contour 获取每个标志的 1 个轮廓并在 cv2 中检索其 Humoments
通过在此图像中应用 find_contour（opencv 模块）可以获得 5 个对象（每个符号一个）：https ://docs.google.com/file/d/0ByS6Z5WRz-h2WHEzNnJucDlRR2s/edit ？现在我获得了 64 个对象
之后，我想检索 Humoments 并与其他图像进行比较。现在我只尝试对相同的图像进行一点翻译，为了测试它返回它们是相同的。
我的问题是我如何才能只获得 5 个对象来应用体量，或者是否有其他解决方案来计算图像的体量？
image-processing - 它如何计算opencv中的形状伸长率？
我有很多灰度图像，因为我必须提取特征进行比较。如何在opencv（更适合python版本）中计算形状伸长率（基本形状描述符： http ://www.site.uottawa.ca/~mstoj075/Publications_files/elongation-JMIV.pdf）以进行特征提取？
示例图片：1) https://docs.google.com/file/d/0ByS6Z5WRz-h2cE1wTGJwRnE5YUU/edit 2) https://docs.google.com/file/d/0ByS6Z5WRz-h2UTFCaVEzaHlXRVk/edit 3) https:// /docs.google.com/file/d/0ByS6Z5WRz-h2NDgySmJ6NnpId0U/edit
opencv - 对于 Bag-Of-Words，Dense SIFT 是否比 SIFT 更好？
我正在使用 OpenCV 实现一个词袋图像分类器。最初，我测试了在 SURF 关键点中提取的 SURF 描述符。我听说 Dense SIFT（或 PHOW）描述符可以更好地用于我的目的，所以我也尝试了它们。
令我惊讶的是，他们的表现要差得多，实际上差了将近 10 倍。我可能做错了什么？我正在使用来自 OpenCV 的 DenseFeatureDetector 来获取关键点。我从 9 层中提取每个图像大约 5000 个描述符，并将它们聚集成 500 个簇。
我应该尝试 VLFeat 库中的 PHOW 描述符吗？我也不能在 OpenCV 的 SVM 实现中使用卡方内核，这在许多论文中都是推荐的。这对分类器质量至关重要，我应该尝试另一个库吗？
另一个问题是尺度不变性，我怀疑它可能会受到密集特征提取的影响。我对吗？
machine-learning - 从单个单词中提取特征
通常人们想通过使用词袋方法从文本中获取特征，计算单词并计算不同的度量，例如 tf-idf 值，如下所示： How to include words as numeric feature in classification
但我的问题不同，我想从一个单词中提取一个特征向量。例如，我想知道土豆和炸薯条在向量空间中彼此靠近，因为它们都是由土豆制成的。我想知道牛奶和奶油也很接近，热和温暖，石头和坚硬等等。
这个问题叫什么？我可以通过查看大量文档来了解单词的相似性和特征吗？
我不会用英文实现，所以我不能使用数据库。
python - 检索python opencv中的伸长特征，应该使用什么样的时刻？
如何计算 python opencv 中的第一和第二时刻并获得形状伸长特征？
我不太确定伸长率的定义，我发现：“不太常见的伸长率形状因子被定义为粒子围绕其主轴的两个二阶矩之比的平方根”（参考：http：/ /en.wikipedia.org/wiki/Shape_factor_%28image_analysis_and_microscopy%29#Elongation_shape_factor）
根据定义，是 i2 和 i1 空间矩、中心矩还是归一化中心矩（http://opencv.willowgarage.com/documentation/cpp/imgproc_structural_analysis_and_shape_descriptors.html）？