使用R语言进行图像分类
本文使用R语言,应用SVM(高斯核)[3]算法对JPEG图片进行二类分。
SVM使用e1071包, 图像处理用imager包[1]。
数据使用的是Caltech 101中的Faces和BACKGROUND_Google两类数据[2]。
1 步骤
代码执行五个步骤。
• 读取图片
• 向量化
• 合并图片
• 训练模型
• 对测试集分类
2 程序执行时生成的SVM模型的部分信息
采样不同,结果可能不同。
summary(fit):
SVM-Type: C-classification
SVM-Kernel: radial
cost: 1
gamma: 0.0009765625
Number of Support Vectors: 349
3 代码
最后是R语言代码。采样不同,结果可能不同。
### 2016年 09月 07日 星期三 16:13:34 CST #############
## author: 李小丹
setwd("~/repos/project/R-src/")
library(imager)
library(e1071)
read.imags <- function(
本文使用R语言,应用SVM(高斯核)[3]算法对JPEG图片进行二类分。
SVM使用e1071包, 图像处理用imager包[1]。
数据使用的是Caltech 101中的Faces和BACKGROUND_Google两类数据[2]。
文章最后包含了实验的源代码。
这篇blog还有个pdf版本,可在 http://download.csdn.net/detail/leeshuheng/9625830 中下载。
1 步骤
代码执行五个步骤。
• 读取图片
• 向量化
• 合并图片
• 训练模型
• 对测试集分类
2 程序执行时生成的SVM模型的部分信息
采样不同,结果可能不同。
summary(fit):
SVM-Type: C-classification
SVM-Kernel: radial
cost: 1
gamma: 0.0009765625
Number of Support Vectors: 349
3 代码
最后是R语言代码。采样不同,结果可能不同。
### 2016年 09月 07日 星期三 16:13:34 CST #############
## author: 李小丹
setwd("~/repos/project/R-src/")
library(imager)
library(e1071)
read.imags <- function(