目前我正在进行一个项目，目的是将给定的一组测试图像分类到五个预定义类别中的一个。我使用了每个图像240个特征的特征向量，实现了逻辑回归，并使用每个类别100张图像进行了训练。我在每个类别上达到的学习准确率约为98%，然而在由500张图像（每个类别100张）组成的验证集上测试时，只有约57%的图像被正确分类。

请推荐一些我可以使用的库/工具（最好是基于神经网络的），以便获得更高的准确率。

我尝试在Windows上使用基于Java的工具Neurophy（neuroph.sourceforge.net），但它没有按预期运行。

编辑：项目中的特征向量已经提供。我也在寻找更好的图像特征提取工具。

回答：

你可以从这篇论文中获得帮助 图像分类

在我看来，当涉及到多类响应问题时，SVM相对比逻辑回归更好。我们在电子商务产品分类中使用它，那里有数千个响应级别和数千个特征。