使用GLCM功能的SVM分类器

Question

我的项目是使用MATLAB中的SVM分类器进行急性脑卒中分类。

下面的屏幕截图显示了使用glcm对急性卒中（21例患者）和正常脑（6例患者）进行特征提取，这被称为svm分类器的训练数据。

以下屏幕截图显示了Y或一组训练数据。

这是我正在使用的代码，它显示错误。

Load Trainset.mat
data = new_var;
group = label;
SVMStruct = svmtrain(data, group, 'kernel_function', 'linear');
newClasses = svmclassify(SVMStruct, texturedata, 'showplot', true);
%To plot classification graphs, SVM can take only two dimensional data
data1 = [new_var(:, 1), new_var(:, 2)];
newfeat = [texturedata(:, 1), texturedata(:, 2)];
SVMStruct_new = 
svmtrain(data, group, 'kernel_function', 'linear', 'showplot', true);
%species_Linear_new = svmclassify(SVMStruct_new, newfeat, 'showplot', true);

  

警告：Y包含未出现在Y元素中的分类级别。为了训练分类器，将忽略这些级别。   在svmtrain 277

     

使用svmtrain时出错（第335行）   Y必须包含两个方法'SMO'组。

我认为这是因为正常大脑的值0和NAN被忽略的行。所以我的问题是：我该怎么做才能包含该行，或者它绝对不能用于此代码？

Answer 1

您的数据集不是很好。如果这是一个准确的数据集，您根本不需要机器学习。您只需使用一个功能，并通过检查是否为非零来预测急性卒中或健康状况。 （即健康，如果为零，急性中风，如果非零）。

我猜您没有健康患者的数据，因此您只是在您没有的数据中添加零。这没有意义。

是的，您的零和Nan和Inf是SVM需要学习的问题。但更大的问题是，即使你对它们进行预处理，由于我上面提到的原因，数据仍然无用。因此，请先尝试收集更好的数据，然后重新开始。

如果您可以发布一个正面和负面图像（健康而不健康），我可以告诉您哪些功能可能是好的开始。正如我看到GLCM不适合你的问题/你计算GLCM的方式可能不对。

希望这有帮助