Puede clasificar un objeto utilizando SVM en función de múltiples características extraídas de él, simplemente concatenándolos para formar un único vector de características. Después de extraer las características de múltiples mecanismos de extracción de características, concatenelas para hacer un único vector de características de tamaño fijo.
Por ejemplo, si {a1, a2, a3, a4, a5}, {b1, b2, b3} y {c1, c2, c3, c4} son las características extraídas de un objeto utilizando diferentes mecanismos de extracción de características, concatenelas para formar un solo vector de características como {a1, a2, a3, a4, a5, b1, b2, b3, c1, c2, c3, c4} y úselo para la clasificación. Eso es todo.
Nota:
- Cómo detectar si una imagen contiene uno o más rostros humanos
- ¿Qué es este aprendizaje automático y big data?
- ¿Qué elementos de los sistemas operativos generales de una organización deben ser compatibles y reforzarse mutuamente?
- ¿A qué se refiere el término "regresión" en "análisis de regresión"?
- ¿Cuáles son las configuraciones adecuadas para la agrupación de documentos con K-means?
- Para mantener la misma longitud, normalice los vectores de características cuya longitud cambia abruptamente.
- El orden en que se concatenan los vectores de características no tiene tanta importancia; pero los vectores de características finales deben generarse mediante la concatenación de los vectores de características individuales de manera similar.