OpenCV机器学习SVM支持向量机的分类程序

1、1./利用 SVMS 决2维空间向量的 3 级分类问题2.3.#includestdafx.h4.5.#includecv.h6.#includehighgui.h7.8.#include9.#include10.11. #include12.13. #include14. usingnamespacestd;15.16. intmain(intargc,char*argv)17. 18. intsize=400;/19. constints=100;20. inti,j,sv_num;21. IplImage*img;22. CvSVMsvm=CvSVM();/23. CvSVMParams

2、param;24. CvTermCriteriacriteria;/25. CvRNGrng=cvRNG(time(NULL);26. CvPointptss;/27. floatdatas*2;/28. intress;/29. CvMatdata_mat,res_mat;30. CvScalarrcolor;31. constfloat*support;32. /(1)图像区域的确保和初始化33. img=cvCreateImage(cvSize(size,size),IPL_DEPTH_8U,3);34. cvZero(img);35. /确保画像区域，并清 0(用黑色作初始化处理)。3

3、6.37. /(2)学习数据的生成38. for(i=0;i50*cos(ptsi.x*CV_PI/100)+200)42. cvLine(img,cvPoint(ptsi.x-2,ptsi.y-2),cvPoint(ptsi.x+2,ptsi.y+2),CV_RGB(255,0,0);图像的长度和宽度/试验点个数（可更改！）停止迭代的标准定义 1000 个点点的坐标点的所属类43. cvLine(img,cvPoint(ptsi.x+2,ptsi.y-2),cvPoint(ptsi.x-2,ptsi.y+2),CV_RGB(255,0,0);44. resi=1;45. 46. else47

4、. if(ptsi.x200)48. cvLine(img,cvPoint(ptsi.x-2,ptsi.y-2),cvPoint(ptsi.x+2,ptsi.y+2),CV_RGB(0,255,0);49. cvLine(img,cvPoint(ptsi.x+2,ptsi.y-2),cvPoint(ptsi.x-2,ptsi.y+2),CV_RGB(0,255,0);50. resi=2;51. 52. else53. cvLine(img,cvPoint(ptsi.x-2,ptsi.y-2),cvPoint(ptsi.x+2,ptsi.y+2),CV_RGB(0,0,255);54. cvL

5、ine(img,cvPoint(ptsi.x+2,ptsi.y-2),cvPoint(ptsi.x-2,ptsi.y+2),CV_RGB(0,0,255);55. resi=3;56. 57. 58. 59. 生成 2 维随机训练数据，并将其值放在 CvPoint 数据类型的数组 pts60.61. /(3)学习数据的显示62. cvNamedWindow(SVM,CV_WINDOW_AUTOSIZE);63. cvShowImage(SVM,img);64. cvWaitKey(0);65.66. /(4)学习参数的生成67. for(i=0;is;i+)68. datai*2=float(

6、ptsi.x)/size;69. datai*2+1=float(ptsi.y)/size;70. 71. cvInitMatHeader(&data_mat,s,2,CV_32FC1,data);72. cvInitMatHeader(&res_mat,s,1,CV_32SC1,res);73. criteria=cvTermCriteria(CV_TERMCRIT_EPS,1000,FLT_EPSILON);74. param=CvSVMParams(CvSVM:C_SVC,CvSVM:RBF,10.0,8.0,1.0,10.0,0.5,0.1,NULL,criteria)

7、;75./*76.SVM种类：CvSVM:C_SVC77.Kernel的种类：CvSVM:RBF78.degree:10.0（此次不使用）79.gamma:8.080.coef0:1.0（此次不使用）81.C:10.082.nu:0.5(此次不使用)83.p:0.1(此次不使用)84.然后对训练数据正规化处理，并放在 CvMat 型的数组里。85.*/86.87.88./(5)SVM 学习89.svm.train(&data_mat,&res_mat,NULL,NULL,param);/90./利用训练数据和确定的学习参数，进彳 fSVM 学习91./(7)训练数据的再绘制fo

8、r(i=0;is;i+)CvScalarrcolor;switch(resi)case 1:rcolor=CV_RGB(255,0,0);break;92./(6)学习结果的绘图93.for(i=0;isize;i+)94.for(j=0;jsize;j+)95.CvMatm;96.floatret=0.0;97.floata=float(j)/size,float(i)/size;98.cvInitMatHeader(&m,1,2,CV_32FC1,a);99.ret=svm.predict(&m);100.switch(int)ret)101.case1:102.rcolo

9、r=CV_RGB(100,0,0);103.break;104.case2:105.rcolor=CV_RGB(0,100,0);106.break;107.case3:108.rcolor=CV_RGB(0,0,100);109.break;110.111.cvSet2D(img,i,j,rcolor);112.113.114./为了显示学习结果，通过输入图像区域的所有像素(特征向量)并进行分类。素用所属等级的颜色绘图然后对输入像115.116.117.118.119.120.121.122.123.case 2:rcolor=CV_RGB(0,255,0);125.break;126.ca

10、se3:127.rcolor=CV_RGB(0,0,255);128.break;129.130.cvLine(img,cvPoint(ptsi.x-2,ptsi.y-2),cvPoint(ptsi.x+2,ptsi.y+2),rcolor);131.cvLine(img,cvPoint(ptsi.x+2,ptsi.y-2),cvPoint(ptsi.x-2,ptsi.y+2),rcolor);132.133./将训练数据在结果图像上重复的绘制出来。134.135./(8)支持向量的绘制136.sv_num=svm.get_support_vector_count();137.for(i=0;isv_num;i+)138.support=svm.get_support_vector(i);139.cvCircle(img,cvPoint(int)(support0*size),(size),5,CV_RGB(200,200,200);140.141./用白色的圆圈对支持向量作标记。142.143./(9)图像的显示144.cvNamedWindow(SVM,CV_WINDOW_