利用SVM解决2维空间向量的3级分类问题

【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
4. void drawCross(Mat &img, Point center, Scalar color)
5. {
6. int col = center.x > 2 ? center.x : 2;
7. int row = center.y> 2 ? center.y : 2;
9. line(img, Point(col -2, row - 2), Point(col + 2, row + 2), color);
10. line(img, Point(col + 2, row - 2), Point(col - 2, row + 2), color);
11. }
13. int newSvmTest(int rows, int cols, int testCount)
14. {
15. if(testCount > rows * cols)
16. return 0;
18. Mat img = Mat::zeros(rows, cols, CV_8UC3);
19. Mat testPoint = Mat::zeros(rows, cols, CV_8UC1);
20. Mat data = Mat::zeros(testCount, 2, CV_32FC1);
21. Mat res = Mat::zeros(testCount, 1, CV_32SC1);
23. //Create random test points
24. for (int i= 0; i< testCount; i++)
25. {
26. int row = rand() % rows;
27. int col = rand() % cols;
29. if(testPoint.atchar>(row, col) == 0)
30. {
31. testPoint.atchar>(row, col) = 1;
32. data.at<float>(i, 0) = float (col) / cols;
33. data.at<float>(i, 1) = float (row) / rows;
34. }
35. else
36. {
37. i--;
38. continue;
39. }
41. if (row > ( 50 * cos(col * CV_PI/ 100) + 200) )
42. {
43. drawCross(img, Point(col, row), CV_RGB(255, 0, 0));
44. res.atint>(i, 0) = 1;
45. }
46. else
47. {
48. if (col > 200)
49. {
50. drawCross(img, Point(col, row), CV_RGB(0, 255, 0));
51. res.atint>(i, 0) = 2;
52. }
53. else
54. {
55. drawCross(img, Point(col, row), CV_RGB(0, 0, 255));
56. res.atint>(i, 0) = 3;
57. }
58. }
60. }
62. //Show test points
63. imshow("dst", img);
64. waitKey(0);
66. /////////////START SVM TRAINNING//////////////////
67. CvSVM svm = CvSVM();
68. CvSVMParams param;
69. CvTermCriteria criteria;
71. criteria= cvTermCriteria(CV_TERMCRIT_EPS, 1000, FLT_EPSILON);
72. /* 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。*/
    
73. param= CvSVMParams (CvSVM::C_SVC, CvSVM::RBF, 10.0, 8.0, 1.0, 10.0, 0.5, 0.1, NULL, criteria);
74. svm.train(data, res, Mat(), Mat(), param);
76. for (int i= 0; i< rows; i++)
77. {
78. for (int j= 0; j< cols; j++)
79. {
80. Mat m = Mat::zeros(1, 2, CV_32FC1);
81. m.at<float>(0,0) = float (j) / cols;
82. m.at<float>(0,1) = float (i) / rows;
84. float ret = 0.0;
85. ret = svm.predict(m);
86. Scalar rcolor;
88. switch ((int) ret)
89. {
90. case 1: rcolor= CV_RGB(100, 0, 0); break;
91. case 2: rcolor= CV_RGB(0, 100, 0); break;
92. case 3: rcolor= CV_RGB(0, 0, 100); break;
93. }
95. line(img, Point(j,i), Point(j,i), rcolor);
96. }
97. }
99. imshow("dst", img);
100. waitKey(0);
102. //Show support vectors
103. int sv_num= svm.get_support_vector_count();
104. for (int i= 0; i< sv_num; i++)
105. {
106. const float* support = svm.get_support_vector(i);
107. circle(img, Point((int) (support[0] * cols), (int) (support[1] * rows)), 5, CV_RGB(200, 200, 200));
108. }
110. imshow("dst", img);
111. waitKey(0);
113. return 0;
114. }
116. int main(int argc, char** argv)
117. {
118. return newSvmTest(400, 600, 100);
119. }

学习样本：

分类：

支持向量：