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，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

#include "stdafx.h"  

#include <opencv2/opencv.hpp>  

  

void drawCross(Mat &img, Point center, Scalar color)  

{  

    int col = center.x > 2 ? center.x : 2;  

    int row = center.y> 2 ? center.y : 2;  

  

    line(img, Point(col -2, row - 2), Point(col + 2, row + 2), color);    

    line(img, Point(col + 2, row - 2), Point(col - 2, row + 2), color);    

}  

  

int newSvmTest(int rows, int cols, int testCount)  

{  

    if(testCount > rows * cols)  

        return 0;  

  

    Mat img = Mat::zeros(rows, cols, CV_8UC3);  

    Mat testPoint = Mat::zeros(rows, cols, CV_8UC1);  

    Mat data = Mat::zeros(testCount, 2, CV_32FC1);  

    Mat res = Mat::zeros(testCount, 1, CV_32SC1);  

  

    //Create random test points  

    for (int i= 0; i< testCount; i++)   

    {   

        int row = rand() % rows;  

        int col = rand() % cols;  

  

        if(testPoint.at<unsigned char>(row, col) == 0)  

        {  

            testPoint.at<unsigned char>(row, col) = 1;  

            data.at<float>(i, 0) = float (col) / cols;   

            data.at<float>(i, 1) = float (row) / rows;   

        }  

        else  

        {  

            i--;  

            continue;  

        }  

  

        if (row > ( 50 * cos(col * CV_PI/ 100) + 200) )  

        {   

            drawCross(img, Point(col, row), CV_RGB(255, 0, 0));  

            res.at<unsigned int>(i, 0) = 1;   

        }   

        else   

        {   

            if (col > 200)   

            {   

                drawCross(img, Point(col, row), CV_RGB(0, 255, 0));  

                res.at<unsigned int>(i, 0) = 2;   

            }   

            else   

            {   

                drawCross(img, Point(col, row), CV_RGB(0, 0, 255));  

                res.at<unsigned int>(i, 0) = 3;   

            }   

        }   

  

    }  

  

    //Show test points  

    imshow("dst", img);  

    waitKey(0);  

  

    /////////////START SVM TRAINNING//////////////////  

    CvSVM svm = CvSVM();   

    CvSVMParams param;   

    CvTermCriteria criteria;  

  

    criteria= cvTermCriteria(CV_TERMCRIT_EPS, 1000, FLT_EPSILON);  

/* 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。*/

    param= CvSVMParams (CvSVM::C_SVC, CvSVM::RBF, 10.0, 8.0, 1.0, 10.0, 0.5, 0.1, NULL, criteria);   

    svm.train(data, res, Mat(), Mat(), param);  

  

    for (int i= 0; i< rows; i++)   

    {   

        for (int j= 0; j< cols; j++)   

        {   

            Mat m = Mat::zeros(1, 2, CV_32FC1);  

            m.at<float>(0,0) = float (j) / cols;  

            m.at<float>(0,1) = float (i) / rows;  

  

            float ret = 0.0;   

            ret = svm.predict(m);   

            Scalar rcolor;   

  

            switch ((int) ret)   

            {   

                case 1: rcolor= CV_RGB(100, 0, 0); break;   

                case 2: rcolor= CV_RGB(0, 100, 0); break;   

                case 3: rcolor= CV_RGB(0, 0, 100); break;   

            }   

  

            line(img, Point(j,i), Point(j,i), rcolor);  

        }   

    }  

  

    imshow("dst", img);  

    waitKey(0);  

  

    //Show support vectors  

    int sv_num= svm.get_support_vector_count();   

    for (int i= 0; i< sv_num; i++)   

    {   

        const float* support = svm.get_support_vector(i);   

        circle(img, Point((int) (support[0] * cols), (int) (support[1] * rows)), 5, CV_RGB(200, 200, 200));   

    }  

  

    imshow("dst", img);  

    waitKey(0);  

  

    return 0;  

}  

  

int main(int argc, char** argv)  

{  

    return newSvmTest(400, 600, 100);  

}  

 

学习样本：



 

分类：



 

支持向量：