Как классифицировать Гиперспектральный набор данных с LibSVM и обучение SVM с .mat-файлом?

Question

Я пытаюсь сделать классификацию Гиперспектральный набор данных с помощью LibSVM.

У меня есть два набора данных:

1. один .mat файл, содержащий 145 * 145 пикселей в 200 полос.
2. один .mat файл, содержащий 145 * 145 пикселей для 16 классов этикетки (значение от 1 до 16) (фоновое значение равно 0)

больше информации в этой ссылке:. Indain_pines_dataset

Мой вопрос : выборка определенного количества или процентного пикселя классов для обучения и тестирования LibSVM (training_label_vector и тестирования вектора меток) для 16 классов.

Моя цель состоит в многоклассовой классификации этих данных.

Пожалуйста, помогите ..

Answer 1

Я дам вам общую идею:

Сначала выберите образцы на первый истине (16 классов изображений):

Idx = клетки (16,1); Образец = нули (no_samples);

при к = 1: 16

[~, IDX {к}] = найти (HSI == к-1);

[~, Образец (k)] = datasample (Idx {k}, no_samples);

конца

Idx является клеткой со всеми индексами пикселей каждого класса. В столбце Kth Образца содержатся члены Idx, которые были случайным образом отобраны для целей обучения.

Теперь вы хотите восстановить спектральные сигнатуры для алгоритма обучения.

Hr = reshape (HSI, 145 * 145,200); чтобы получить 2D-массив из HSI.

класс = ячейка (16,1); будут содержать образцы обучения для каждого класса.

при к = 1: 16

класс {к} = Hr (IDX {K} (образец (:), 1), :);

конец

Теперь класс {1} содержит no_samples спектральные сигнатуры. Я думаю, что на индийских соснах достаточно 10 проб. Имейте в виду, что некоторые кластеры очень маленькие (в пикселях) в этом наборе данных. Удачи !