сохранение функций объекта в файле excel для обучения с помощью svm с использованием Accord.Net

Я посмотрел образцы Surf и SVM в образцах библиотеки. Мне интересно, как я могу сохранить функции, которые я получаю из «SURF» в файле excel, потому что функция (то есть точка интереса) – это запись, содержащая некоторые поля и массив of float (Descriptor) и в образце SVM все столбцы являются просто значением, ни одна запись не содержит список, например, в классификации XOR вход (одна функция) является

(x =0 , y=0 , G=1)

но здесь у меня есть запись, которая содержит следующие поля:

 ( Laplacian : int , Orientation : float , Response : float ,Scale : float , X : float , Y : float , Descriptor : [] float ) 

и я не уверен, но если я хочу сделать, как проблему XOR, я должен добавить поле имени объекта. Я обнаружил, что SVM принимает матрицу, я не могу понять, как я могу сделать эту совместимость между этими двумя образцами, я надеюсь, что мой вопрос ясен.

заранее спасибо

    Вопрос немного неясен, но я предложу решение. Как отказ от ответственности, и чтобы избежать дальнейших осложнений, я должен сказать, что я являюсь автором этой библиотеки.

    Если вы хотите только обучить SVM с помощью функций SURF, вы можете пропустить часть Excel. Было бы более полезно создать представление изображений ваших изображений в виде мешков с изображением, а затем сохранить это представление вместо функций SURF. Кажется, этот вопрос был задан до того, как образец образца для классификации изображений был выпущен, поэтому, пожалуйста, взгляните на него, если вы все еще заинтересованы в ответе.

    В любом случае модель суммарного визуального слова способна преобразовывать число переменных длины переменной длины в фиксированные длины векторов, что должно быть проще управлять, либо если вы хотите обучить SVM или просто сохранить его в файле , Вот пример того, как использовать модель BoW для извлечения функций фиксированной длины:

     // Create bag-of-words (BoW) with the given number of words BagOfVisualWords bow = new BagOfVisualWords(numberOfWords); bow.Compute( ... ); // pass all images in the training set // And then you can create a fixed-length // representation of an given image using double[] featureVector = bow.GetFeatureVector(image); 

    Я воздержусь от публикации любых ссылок здесь, поэтому не похоже, что я продвигаю свой собственный проект еще дальше, но приложение примера для классификации доступно как в вашем стартовом меню, если вы установили его с помощью исполняемого установщика; и на веб-сайте проекта.

    Давайте будем гением компьютера.