CvSVM.predict() 给出'NaN'输出和低准确性

Question

我使用CvSVM只对两种类型的面部表情进行分类。我使用基于LBP（局部二进制模式）的直方图从图像中提取特征，并使用cvSVM::train(data_mat,labels_mat,Mat(),Mat(),params)进行训练，其中，

data_mat的大小为200x3452，包含行主形式的200个样本的归一化（0-1）特征直方图，每个特征3452个（取决于邻域点的数量）

labels_mat是只包含两个值0和1的对应标签矩阵。参数为：

CvSVM参数；

params.svm_type     =CvSVM::C_SVC;
params.kernel_type  =CvSVM::LINEAR;
params.C            =0.01;
params.term_crit=cvTermCriteria(CV_TERMCRIT_ITER,(int)1e7,1e-7);

问题是：-

1. 在测试时，我得到了非常糟糕的结果（大约10%-30%的准确率），即使在应用了不同的内核和train_auto（）函数之后也是如此。

2. CvSVM::predict(test_data_mat,true)给出"NaN"输出

如何解决此问题？

Answer 1

我想，你的类在你使用的特征空间中是线性的硬/不可分离的。也许在分类器训练步骤之前将PCA应用于数据集会更好并估计该问题的有效维数。此外，我认为用其他分类器测试你的数据集是有用的。您可以为此目的调整标准opencv示例points_classifier.cpp。它包括许多不同的分类器，具有相似的界面，您可以使用。

Answer 2

SVM的泛化能力很低。首先，通过主成分分析降低数据维度，然后将SVM kerenl类型更改为RBF。