Ho una serie di 240 funzioni estratte utilizzando l'elaborazione delle immagini. L'obiettivo è classificare i casi di test in 7 classi diverse dopo l'allenamento. Per ogni classe ci sono circa 60 osservazioni (vale a dire, ho circa 60 vettori di caratteristiche per ogni classe con ciascun vettore avente 240 componenti).Utilizzo della distanza Bhattacharyya per la selezione delle funzioni
Molti documenti di ricerca e libri utilizzano la ricerca sequenziale in avanti o la ricerca sequenziale all'indietro per la selezione delle migliori caratteristiche di un vettore di funzionalità. L'immagine seguente offre un algoritmo di ricerca in avanti sequenziale.
Qualsiasi algoritmo utilizza un criterio per discriminare le funzionalità. Un metodo comune è utilizzare la distanza di Bhattacharyya come criterio. La distanza di Bhattacharyya è una misura del tipo di divergenza tra le distribuzioni. In alcune ricerche e studi ho scoperto che data una matrice M1 per una classe A che comprende tutti i 60 vettori di caratteristiche di questa classe tale che ha n = 60 righe e m = 240 colonne (poiché ci sono un totale di 240 caratteristiche) e una matrice simile M2 per una classe BI può scoprire la distanza di Bhattacharyya tra loro e trovare la loro interdipendenza.
La mia domanda è come integrare i due. Come includere la distanza di Bhattacharyya come criterio per selezionare le migliori caratteristiche dell'algoritmo come descritto sopra.
Esiste un codice per la funzione 'OperateBhattacharrya'? – Matthieu
@Matthieu Ci sarebbe stato. Questo era un progetto di ricerca vicino a due anni fa. – Sohaib