正常NB与异步AB的划分.docx

《正常NB与异步AB的划分.docx》由会员分享，可在线阅读，更多相关《正常NB与异步AB的划分.docx（1页珍藏版）》请在优知文库上搜索。

1、考虑主要任务是分类、识别呼吸模式；本周先考虑两种大类模式，正常NB与异步AB的划分文章中用到的是CNN卷积神经网络；Emm不过我想试试SVM结果如何原理上.只理解到SVM的作用是找到最优的分割两类向量空间的超平面，公式推导什么的.自己也没太细看那么核心问题就是，如何找到对应问题的向量即：如何选取特征向量，如何提取图像的特征由于特征向量是SVM用于划分的基础，特征向量的选择必然会很大程度的影响最终划分结果的准确度。Emmmmmmmmmmmmmm虽然有考虑自己提炼特征.例如上周提到的，将积分面积、斜率等作为特征向量之一；但是查阅相关的图像特征资料,发现现在主流的一些特征提取，256*256像素点能

2、提取出几十万条特征向量.最终的训练结果中，加不加那几条自定的特征向量结果都一样.不太确定是不够有代表性，还是因为维度相对于几十万太小被忽略了。传统图像特征例如SIFT,HOG,LBP,HAAR特征等；一般图像特征分为：代数特征，颜色特征，变换特征，纹理特征；在本问题中，很明显应该考虑的是图像的纹理特征。考虑1：HOG特征:方向梯度直方图，用于获取图像目标区域的轮廓、表象、形状等；与本问题契合度较高。在选定了主要特征与模型后，主要算法思路如下：1 .导入图像，灰度、二值化2 .分为训练集、测试集（图像不能重复）3 .通过训练集，提取每个图像HOG特征，训练SVM模型4 .通过测试集，调用SVM模型，预测测试集中图像分类。