SVM:将临床特征添加到从图像中提取的特征向量中
SVM:将临床特征添加到从图像中提取的特征向量中
提问于 2013-05-16 17:36:28
我正在使用支持向量机对属于两个不同组(患者和对照组)的患者的临床图像进行分类。我使用PCA从每个图像中提取特征向量，但我想添加其他临床信息(例如，临床检查的输出值)，以便将其包括在分类过程中。有没有办法做到这一点？我在文献中没有找到详尽的建议。提前谢谢。
回答 2
Stack Overflow用户
发布于 2013-05-18 02:31:10
您只需将新信息附加到每个样本的末尾。您可以尝试的另一种方法是使用两个额外的分类器，一个可以使用额外的信息进行训练，第三个分类器将其他两个分类器的输出作为输入，以产生最终预测。
Stack Overflow用户
发布于 2013-11-08 18:37:34
这个问题很老了，不过我还是会把我的答案贴出来。
如果必须缩放您的值，请确保将新值缩放到PCA-vector中的值的相似范围。如果你的特征的主成分分析向量具有恒定的长度，你只需开始枚举length+1中的特征，例如用于支持向量机输入(libsvm)：
1 1:<PCAval1> ... N:<PCAvalN> N+1:<Clinical exam value 1> ...我已经做了一个测试，添加了这些用于细胞识别的通用功能，并提高了准确性。
此Guide介绍如何使用枚举器功能。
附言:在我的测试中，我已经从显微镜图像中分离并挤压细胞到一个16x16的矩阵中。这个矩阵中的每个像素都是一个特征- 256个特征。此外，我还添加了一些功能，如原始大小，时刻等。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/16583870
复制相关文章
相似问题
腾讯云开发者
