基于多分类支持向量机的图像分割数据重点分析.doc

基于多分类支持向量机的图像分割数据分析报告 1 数据集来源及理解 这里的数据集来源于麻省大学的一个视觉小组，并由由其中的Carla Brodley贡献给UCI数据集。用于训练的实例源于一个包含有7个户外图像的数据库的随机采样结果，这些图像中的各个部分已被手工分类，从而可以创建一个分类器来给其他图像的不同区域进行分类。 每一个样本实例都由原始图像上某个取样点所在的3x3邻域的RGB值获得，并根据一系列的分析，可得到以下属性： 中心点横坐标（region-centroid-col）：取样中心点所在的图像的横坐标； 中心点纵坐标（region-centroid-row）：取样中心点所在的图像的纵坐标； 每个样本所含点的数量（region-pixel-count）：为9； 低密集度计数（short-line-density-5）指在通过这个区域的在任意方向上的，长度为5的线段当中，有多少条对比度大小要低于或等于5； 高密集度计数（short-line-density-2）指在通过这个区域的在任意方向上的，长度为5的线段当中，有多少条对比度大小要高于5； 横向像素差值的平均（vedge-mean）：指在3x3的样本中，所有的左右相邻的两像素亮度之差的绝对值（共有6个）的平均数； 横向像素差值的标准差（vedge-sd）：上述像素差值的标准差； 纵向像素差值的平均（hedge-mean）：指在