当前位置:Gxlcms > mysql > 利用SVM解决2维空间向量的3级分类问题

利用SVM解决2维空间向量的3级分类问题

时间:2021-07-01 10:21:17 帮助过:14人阅读

【原文:http://blog.csdn.net/firefight/article/details/6400060】 为了学习OPENCV SVM分类器, 参考网上的 利用SVM解决2维空间向量的分类问题 实现并改为C代码,仅供参考 环境:OPENCV2.2 VS2008 步骤: 1,生成随机的点,并按一定的空间分布将其归类 2,

【原文:http://blog.csdn.net/firefight/article/details/6400060】

为了学习OPENCV SVM分类器, 参考网上的"利用SVM解决2维空间向量的分类问题"实现并改为C++代码,仅供参考

环境:OPENCV2.2 + VS2008

步骤:
1,生成随机的点,并按一定的空间分布将其归类
2,创建SVM并利用随机点样本进行训练
3,将整个空间按SVM分类结果进行划分,并显示支持向量

[cpp] view plaincopy

  1. #include "stdafx.h"
  2. #include
  3. void drawCross(Mat &img, Point center, Scalar color)
  4. {
  5. int col = center.x > 2 ? center.x : 2;
  6. int row = center.y> 2 ? center.y : 2;
  7. line(img, Point(col -2, row - 2), Point(col + 2, row + 2), color);
  8. line(img, Point(col + 2, row - 2), Point(col - 2, row + 2), color);
  9. }
  10. int newSvmTest(int rows, int cols, int testCount)
  11. {
  12. if(testCount > rows * cols)
  13. return 0;
  14. Mat img = Mat::zeros(rows, cols, CV_8UC3);
  15. Mat testPoint = Mat::zeros(rows, cols, CV_8UC1);
  16. Mat data = Mat::zeros(testCount, 2, CV_32FC1);
  17. Mat res = Mat::zeros(testCount, 1, CV_32SC1);
  18. //Create random test points
  19. for (int i= 0; i< testCount; i++)
  20. {
  21. int row = rand() % rows;
  22. int col = rand() % cols;
  23. if(testPoint.atchar>(row, col) == 0)
  24. {
  25. testPoint.atchar>(row, col) = 1;
  26. data.at<float>(i, 0) = float (col) / cols;
  27. data.at<float>(i, 1) = float (row) / rows;
  28. }
  29. else
  30. {
  31. i--;
  32. continue;
  33. }
  34. if (row > ( 50 * cos(col * CV_PI/ 100) + 200) )
  35. {
  36. drawCross(img, Point(col, row), CV_RGB(255, 0, 0));
  37. res.atint>(i, 0) = 1;
  38. }
  39. else
  40. {
  41. if (col > 200)
  42. {
  43. drawCross(img, Point(col, row), CV_RGB(0, 255, 0));
  44. res.atint>(i, 0) = 2;
  45. }
  46. else
  47. {
  48. drawCross(img, Point(col, row), CV_RGB(0, 0, 255));
  49. res.atint>(i, 0) = 3;
  50. }
  51. }
  52. }
  53. //Show test points
  54. imshow("dst", img);
  55. waitKey(0);
  56. /////////////START SVM TRAINNING//////////////////
  57. CvSVM svm = CvSVM();
  58. CvSVMParams param;
  59. CvTermCriteria criteria;
  60. criteria= cvTermCriteria(CV_TERMCRIT_EPS, 1000, FLT_EPSILON);
  61. /* SVM种类:CvSVM::C_SVC
    Kernel的种类:CvSVM::RBF
    degree:10.0(此次不使用)
    gamma:8.0
    coef0:1.0(此次不使用)
    C:10.0
    nu:0.5(此次不使用)
    p:0.1(此次不使用)
    然后对训练数据正规化处理,并放在CvMat型的数组里。*/

  62. param= CvSVMParams (CvSVM::C_SVC, CvSVM::RBF, 10.0, 8.0, 1.0, 10.0, 0.5, 0.1, NULL, criteria);
  63. svm.train(data, res, Mat(), Mat(), param);
  64. for (int i= 0; i< rows; i++)
  65. {
  66. for (int j= 0; j< cols; j++)
  67. {
  68. Mat m = Mat::zeros(1, 2, CV_32FC1);
  69. m.at<float>(0,0) = float (j) / cols;
  70. m.at<float>(0,1) = float (i) / rows;
  71. float ret = 0.0;
  72. ret = svm.predict(m);
  73. Scalar rcolor;
  74. switch ((int) ret)
  75. {
  76. case 1: rcolor= CV_RGB(100, 0, 0); break;
  77. case 2: rcolor= CV_RGB(0, 100, 0); break;
  78. case 3: rcolor= CV_RGB(0, 0, 100); break;
  79. }
  80. line(img, Point(j,i), Point(j,i), rcolor);
  81. }
  82. }
  83. imshow("dst", img);
  84. waitKey(0);
  85. //Show support vectors
  86. int sv_num= svm.get_support_vector_count();
  87. for (int i= 0; i< sv_num; i++)
  88. {
  89. const float* support = svm.get_support_vector(i);
  90. circle(img, Point((int) (support[0] * cols), (int) (support[1] * rows)), 5, CV_RGB(200, 200, 200));
  91. }
  92. imshow("dst", img);
  93. waitKey(0);
  94. return 0;
  95. }
  96. int main(int argc, char** argv)
  97. {
  98. return newSvmTest(400, 600, 100);
  99. }

学习样本:

分类:

支持向量:

人气教程排行