Я реализую алгоритм в Matlab, который проверяет точность обнаружения измененных изображений. Точность обеспечивается SVM. Но моя проблема заключается в том, как выбирать высокие функции с помощью adaboost с целью снижения вычислительной сложности.Высокий выбор функции с AdaboostM1 в Matlab для уменьшения вычислительной сложности
Подробно, у меня есть вектор-функция (1xN) для изображения, и я не уверен, что могу использовать аналогичный вектор в adaboost. Я использую функцию fitensemble
в Matlab с этим вектором как X
, numberens= 30,50,75,100
, 'tree'
как параметры. Я должен получить D-мерные новые векторы признаков. Мой вопрос в том, являются ли наблюдения в моем вводе данных функциями, и поэтому я должен преобразовать вектор строки в вектор-столбец, или я совершенно не прав?
Где я могу найти новый вектор или как его получить в полученной модели?
Деталь: «Активизации Выбор компонентов может быть использовано для выбора оптимальных возможностей для уменьшения вычислительной сложности После итераций D, мы можем получить D-мерный новые векторов признаков, , то они будут использоваться для окончательной классификации.» Я думаю, что мои значения функций могут быть наблюдениями, и у меня есть только один столбец, относящийся к этому изображению. Adaboost должен вернуть мне новый вектор признаков с размером D. Например: если длина моего начального векторного объекта F равна 256, должен ли я получить новый вектор функции размера 30 в случае использования 30 итераций? F содержит много нулей и некоторые значения, где максимум может быть чем-то равным 100000.
Большое спасибо, но это не решит проблему. Я стараюсь быть более ясным. –