我想知道您是否有关于如何结合多种特征提取器以在分类中获得更好性能的想法。例如，在Nilsback的论文《在大类数上的自动花卉分类》中，他们结合了四种不同的特征提取器。如果您有任何想法，我很想知道如何做到这一点？

P.s. 我的工作是用C++/opencv完成的

提前感谢您。

回答：

一般来说，如果您有多个特征提取器，每个提取器都为您提供一个向量描述，结合它们的方法就是将这些向量连接起来。然而，这样做会丢失一些信息，例如，您本可以利用某些特征描述符是一个概率分布这一事实。

在使用SVM的情况下，一种利用您对描述符的进一步了解的方法是使用单独核的线性组合，其中每个核对应于您的描述符之一。然后，您可以将核拟合到它们的描述符上，以及线性组合中的权重。这种技术称为“多核学习”。

一些可能有用的参考资料：

• Francis Bach撰写的关于MKL和SVM的论文，您提到的论文中也引用了它
• NIPS’09关于MKL的研讨会和NIPS’10关于MKL的研讨会