Как классифицировать, используя классификатор SVM? - PullRequest
Новая
       13

Как классифицировать, используя классификатор SVM?

2 голосов
/ 17 марта 2012

Я делаю проект по классификации опухолей печени. На самом деле я первоначально использовал метод выращивания области для сегментации печени, и из этого я сегментировал опухоль, используя FCM. Затем я получил текстурные объекты с использованием матрицы совпадений уровней серого. Мой вывод для этого был

статистика = 

autoc: [1.857855266614132e+000 1.857955341199538e+000]
contr: [5.103143332457753e-002 5.030548650257343e-002]
corrm: [9.512661919561399e-001 9.519459060378332e-001]
corrp: [9.512661919561385e-001 9.519459060378338e-001]
cprom: [7.885631654779597e+001 7.905268525471267e+001]

Теперь, как я должен дать это в качестве входа в программу SVM. 

function [itr] = multisvm( T,C,tst )
%MULTISVM(2.0) classifies the class of given training vector according to the 
% given group and gives us result that which class it belongs.
% We have also to input the testing matrix

%Inputs: T=Training Matrix, C=Group, tst=Testing matrix
%Outputs: itr=Resultant class(Group,USE ROW VECTOR MATRIX) to which tst set belongs 

%----------------------------------------------------------------------%
% IMPORTANT: DON'T USE THIS PROGRAM FOR CLASS LESS THAN 3,             %
%            OTHERWISE USE svmtrain,svmclassify DIRECTLY or            %
%            add an else condition also for that case in this program. %
%            Modify required data to use Kernel Functions and Plot also%
%----------------------------------------------------------------------%
%                       Date:11-08-2011(DD-MM-YYYY)                    %
% This function for multiclass Support Vector Machine is written by
% ANAND MISHRA (Machine Vision Lab. CEERI, Pilani, India) 
% and this is free to use. email: anand.mishra2k88@gmail.com

% Updated version 2.0 Date:14-10-2011(DD-MM-YYYY)

u=unique(C);
N=length(u);
c4=[];
c3=[];
j=1;
k=1;
if(N>2)
    itr=1;
    classes=0;
    cond=max(C)-min(C);
    while((classes~=1)&&(itr<=length(u))&& size(C,2)>1 && cond>0)
%This while loop is the multiclass SVM Trick
        c1=(C==u(itr));
        newClass=c1;
        svmStruct = svmtrain(T,newClass);
        classes = svmclassify(svmStruct,tst);

% This is the loop for Reduction of Training Set
        for i=1:size(newClass,2)
            if newClass(1,i)==0;
                c3(k,:)=T(i,:);
                k=k+1;
            end
        end
        T=c3;
        c3=[];
        k=1;

% This is the loop for reduction of group
        for i=1:size(newClass,2)
            if newClass(1,i)==0;
                c4(1,j)=C(1,i);
                j=j+1;
            end
        end
        C=c4;
        c4=[];
        j=1;

        cond=max(C)-min(C); % Condition for avoiding group 
                            %to contain similar type of values 
                            %and the reduce them to process

% This condition can select the particular value of iteration
% base on classes
        if classes~=1
            itr=itr+1;
        end    
    end
end

end

Пожалуйста, ведите меня.

Изображения: tumor1 tumor2 tumor3

Ответы [ 2 ]

0 голосов
/ 28 октября 2012

Позвольте также предложить вам очень популярную реализацию SVM, которая называется SVMLight http://svmlight.joachims.org/.

.

Вы можете найти примеры на веб-сайте о том, как его использовать. Mex-matlav обертка для этого также доступна.

Как указал Дима, вам нужно объединить функции?

Кстати, вы можете сказать мне, какой набор данных вы используете для классификации опухолей печени? Это публично доступно для скачивания?

0 голосов
/ 22 марта 2012

Вы должны взять все полученные значения объектов и объединить их в вектор объектов.Затем для SVM объекты должны быть нормализованы, чтобы значения в каждом измерении варьировались от -1 до 1, если я правильно помню.Я думаю, что у libsvm есть функция для нормализации.

Итак, если ваш вектор объектов в конечном итоге будет иметь N измерений, а у вас будет M обучающих экземпляров, то ваш тренировочный набор должен быть матрицей M x N.Тогда, если у вас есть P тестовых экземпляров, ваш тестовый набор должен быть матрицей P x N.

...