SVM：从临床特征中提取特征矢量

我使用SVM对属于两个不同组（患者与对照）的患者的临床图像进行分类。我使用PCA从每幅图像中提取特征矢量，但我想添加其他临床信息（例如临床检查的输出值），以便将其包含在分类过程中。有没有办法做到这一点？我没有在文献中找到详尽的建议。在此先感谢。SVM：从临床特征中提取特征矢量

您可以在每个样本的末尾添加新信息。您可以尝试的其他方法是有两个额外的分类器，一个可以用附加信息进行训练，另一个可以将另外两个分类器的输出作为输入来产生最终预测。

2013-05-17 18:31:10 Pedrom

我想知道，是否使用级联分类器是必要的。这些附加功能是否意味着，您的SVM会转移到适当的“决策空间”？如果你愿意分享你的经验，我会非常感兴趣。 –

这个问题很老，我发布我的答案。

如果您必须缩放您的值，请确保将新值缩放到PCA向量中值的类似范围。如果您的PCA特征矢量长度不变，那么您只需从长度+ 1对于SVM输入（LIBSVM）：

1 1:<PCAval1> ... N:<PCAvalN> N+1:<Clinical exam value 1> ...

我已经做了一个试验添加对细胞识别和提出的精确性，如一般特征。

这个Guide描述了如何使用枚举器特性。

P.S .: 在我的测试中，我已经分离出了细胞，并将显微镜图像中的细胞挤压成矩阵16x16。这个矩阵中的每个像素都是一个特征 - 256个特征。此外，我添加了一些功能作为原始大小，时刻等

2013-11-08 10:37:33

回答