我们使用台湾国立大学开发的SVM工具包。该工具包实现功能大致描述为:该工具包能够对数据
进行线形分类,就是可以将训练集用直线分成两类,只要使用者输入两类数据,例如我们的工作
中一类将输入摔倒时的特征数据,一类输入日常起居动作的一些数据,
1.Transform data to the format of an SVM package.
首先将测得的摔倒时的特征数据以及日常起居的数据输入一个SVM package。
2.Conduct simple scaling on the data
3.Consider the RBF kernel K(x;y) = exp(r||x-y||)2
判别中要使用形如K(x;y) = exp(r||x-y||)2的核函数,其中x,y为输入的数据向量,r为
待定参数。当然,还有别的参数,正是这些参数的不同决定了对数据的分类情况的不同。
4.Use cross-validation to nd the best parameter C and
对输入的数据,采用交叉验证,确定解决具体分类问题的几个参数。
5.Use the best parameter C and r to train the whole training set.
采用上面得到的参数来对数据集进行训练。
7.Test
检验实际的分类效果。
关于该SVM工具包的相关信息,请查看Dnowloads选项中上传的文件:guide.pdf; LIBSVM使
用介绍.pdf ;libsvm-2.9.zip