SVM分类task1

一、问题描述

任务是利用已有分类方法，如SVM和Ridge Regression对MIRFlickr-25000数据集进行分类实验。具体要求：

数据集：MIRFlickr-25000 http://press.liacs.nl/mirflickr/

数据特征：Caffe http://caffe.berkeleyvision.org/

分类方法：SVM (http://www.csie.ntu.edu.tw/~cjlin/libsvm/) 和Ridge Regression (Matlab里应该有，如果没有，去Google里搜索）

评价标准：AUC (area under curve) 和average precision (AP) （注意是分类的AP，不是检索retrieval的AP）

实验环境：Matlab和Unix

实验内容：

6.1 训练数据大小对实验结果的影响；

6.2 模型参数对实验结果的影响；

6.3 两个方法的比较结果；

6.4 每个具体类别的性能

二、探索进程【loading】

2.1 解决思路

image+lable—1—>caffe—2—>libsvm

难点：

*1将图片数据转换为leveldb格式

*2弄清楚caffe源码+sample ——

是否需要修改网络参数、转化特征文件为matlab格式

2.2 环境搭建

2.2.1 libsvm

[setting] matlabR2014+libsvm3.11+Vs2013

[tutorial] 详解/article/9557209.html

2.2.2 caffe

[setting] cuda7.0+caffe+vs2013

[installation tutorial]/article/2255133.html

[cuda installation tutorial]/article/2577945.html

**2.3**libsvm

tic;
close all;
clear;
clc;
format compact;
%%

% 首先载入数据
load('data_test.mat');
load('data_train.mat');
load('y.mat');

% 选取前ind个数据作为训练集合
ind = 5000;
traindata = data_train(1:ind,:);

testdata = data_test(1:end,:);

% 利用训练集合建立分类模型
for i=1:24
trainlabel = y(1:ind,i);
testlabel = y(20001:end,i);
model = svmtrain(trainlabel,traindata,'-s 0 -t 0 -c 1.2 -g 2.8');

% 分类模型model解密
%model
%Parameters = model.Parameters
%Label = model.Label
%nr_class = model.nr_class
%totalSV = model.totalSV
%nSV = model.nSV

% 利用建立的模型看其在训练集合上的分类效果
[ptrain,acctrain] = svmpredict(trainlabel,traindata,model);

% 预测测试集合标签
[ptest,acctest] = svmpredict(testlabel,testdata,model);

end
%%
toc;

3相关知识学习【loading】

2.3.1 caffe

[tutorial] 1.http://www.ityuedu.com/article/665971707/ （yangqing jia）

observing the output of mnist (lenet_inter_10000)

2.3.2 caffe modle

/article/5368144.html

[undo or unread related material]

1./article/1825330.html caffe各层参数定义

2./article/8357316.html 最有借鉴意义的：修改源文件跑自己数据

3./article/8242756.html python抽取图片特征

4.http://blog.csdn.net/lingerlanlan/article/details/39400375 抽取任意一张图片特征