matlab - 如何在matlab中使用一类SVM？

Question

我将图片的一些像素标记为前景，其余像素尚未标记。我想使用 SVM 和标记像素的属性(如颜色)作为 SVM 输入来将剩余像素标记为背景或前景。 将一类作为输入可能吗？或者我是否需要一些标记为背景的像素(二类输入)？
提前致谢。
编辑:我找到了
http://scikit-learn.org/stable/auto_examples/svm/plot_oneclass.html
和
http://www.csie.ntu.edu.tw/~cjlin/libsvm/
对于一类支持向量机，但我不知道如何在 matlab 中使用它。

Answer 1

在Matlab中设置LIBSVM在官方包中的README文件中有描述，可以下载here

为您的 Matlab 版本安装 LIBSVM 后，您可以使用以下内容训练 SVM 模型:

matlab> model = svmtrain(training_label_vector, training_instance_matrix [, 'libsvm_options']);

解释(取自README)

 -training_label_vector:
        An m by 1 vector of training labels (type must be double).
    -training_instance_matrix:
        An m by n matrix of m training instances with n features.
        It can be dense or sparse (type must be double).
    -libsvm_options:
        A string of training options in the same format as that of LIBSVM.

训练选项是:

-s svm_type : set type of SVM (default 0)
    0 -- C-SVC      (multi-class classification)
    1 -- nu-SVC     (multi-class classification)
    2 -- one-class SVM
    3 -- epsilon-SVR    (regression)
    4 -- nu-SVR     (regression)
-t kernel_type : set type of kernel function (default 2)
    0 -- linear: u'*v
    1 -- polynomial: (gamma*u'*v + coef0)^degree
    2 -- radial basis function: exp(-gamma*|u-v|^2)
    3 -- sigmoid: tanh(gamma*u'*v + coef0)
    4 -- precomputed kernel (kernel values in training_set_file)
-d degree : set degree in kernel function (default 3)
-g gamma : set gamma in kernel function (default 1/num_features)
-r coef0 : set coef0 in kernel function (default 0)
-c cost : set the parameter C of C-SVC, epsilon-SVR, and nu-SVR (default 1)
-n nu : set the parameter nu of nu-SVC, one-class SVM, and nu-SVR (default 0.5)
-p epsilon : set the epsilon in loss function of epsilon-SVR (default 0.1)
-m cachesize : set cache memory size in MB (default 100)
-e epsilon : set tolerance of termination criterion (default 0.001)
-h shrinking : whether to use the shrinking heuristics, 0 or 1 (default 1)
-b probability_estimates : whether to train a SVC or SVR model for probability estimates, 0 or 1 (default 0)
-wi weight : set the parameter C of class i to weight*C, for C-SVC (default 1)
-v n : n-fold cross validation mode
-q : quiet mode (no outputs)

如果你想训练一个单类 SVM(例如异常检测)，你必须选择 -s 2 作为一个选项。

此外，参数 nu 可能对调整训练有素的 SVM 以及适合所选内核类型的 kernel parameters 很有趣(例如通过 grid-搜索)。

要通过 LIBSVM 训练 One-Class-SVM，您应该只提供属于under-represented 类的数据。

尽管如此，对于您的问题(因为您不打算进行某种异常检测并且特征/样本并不少见)，您应该选择普通的两类 SVM。