svm+特征提取做分类

使用ＳＶＭ做一个图片分类器，主要使用的技术是，各种特征提取方法加上ＰＣＡ主成分提取，最后用SVM进行图片分类处理。

特征提取这个东西还是比较简单的，前人做的工作很多，源代码也不少。主要采用的不变距、HOG、SIFT、LBP、信息熵、tamura纹理特征、面积和欧拉数等。主要从两个大的角度研究。一个是纹理特征，还有一个就是几何特征。总的来说，就是各种特征叠加然后到了整个分类器，慢慢调整最终达到比较的结果。调的这个过程需要耐心和记录。每变一个参数，运行一遍，最后都要记录下最终的结果。方便日后进行比对。

ＰＣＡ主成分分析，我跌了个跟头，先说一下ＰＣＡ的作用吧。ＰＣＡ说白了就是提取主成分的。为什么要提取主成分呢，由于之前提取的特征量特别大，你不可能把所有特征都拿来算一下。如果你有超级计算机作支撑，当我没说。而且你之前提取的特征应该是比较大的一部分是没有作用的，甚至会有噪声，因此你需要提取有用的特征，进而有利于接下来的支持向量机的分类。