matlab中svm图片分类代码-pointCloudsClassification:使用SVM对道路上的物体​​（汽车，行人，自行车等）的不

matlab中svm图片分类代码pointCloudsClassification 该Matlab代码实现了Andrew E. Johnson和Martial Hebert撰写的论文中的解决方案。 目标是识别代表道路上的物体​​（行人，汽车等）的3D点云。 属性的选择基于本文的建议。 我们使用了有关点的强度，边界框以及属性散布度，线性度和表面度的统计数据。 由于与其他班级相比，一个班级的代表人数过多，因此我们也重新平衡了班级人数。 “ dish_area”文件夹包含用于二进制分类的代码，该代码适用于菜式区域数据集。 此代码比较了高斯SVM，线性SVM和k-means算法。 “ lomita”文件夹包含用于多类别分类的代码。 我们使用了线性支持向量机，并比较了一种策略与所有策略以及一种策略与一种策略。 对于一个SVM与一个SVM，使用了2个超参数调整策略：在第一个中，为每个SVM一对一地选择超参数。 在第二个（“简化”）中，对所有SVM使用相同的超参数值 该代码是为学校项目创建的。