У меня есть 20 классов видеоданных, таких как: езда на велосипеде, дайвинг, верховая езда, свинг, танцы, playhocky, игра в крикет, жонглирование, гольф, теннис, оркестр оркестра. бильярд, серфинг, бег на скайдайвинге, прогулки, размахивание руками, хлопки в ладоши, бег трусцой, бокс и т. д.} каждый с 70 примерами видео. Я беру всего 8 кадров из каждого видео с разницей в 10 кадров. Я обнаружил особенности LBP этих данных и пытался обучать SVM с 10 классами за раз в matlab, используя 'svmtrain', и классифицировать триединую модель, используя команды 'svmclassify' matlab. И код успешно отслеживает мои данные и классифицирует.
Теперь моя проблема в том, чтобы добиться хорошей успеваемости, когда только 2 или 3 класса отдыхают, давая 10 или 20%, когда я тренируюсь в СВМ с велосипедом, дайвингом, верховой ездой, свингом, танцами, playhocky, playingCricket, juggling, гольф, теннис} Но так как я заменяю немногие из этих учебных классов другими, например, если я заменю дайвинг и гольф на бильярд и серфинг, то тренирую SVM. Затем я вижу, что производительность некоторых классов снижается, а некоторые увеличиваются, например, увеличение производительности езды на велосипеде с 55 с 49 и увеличение танцев с 89 до 92,25. аналогично, верховая езда и теннис снижают производительность.
Точно так же я провел несколько тестов с разной производительностью и получал каждый раз, когда производительность класса несколько раз увеличивалась, а иногда уменьшалась. Мой вопрос, почему это происходит? Должен ли я взять другой классификатор или что я должен изменить в моем коде ??