机器学习算法SVM

//--------------------------------------【程序说明】------------------------------------------- // 程序说明：《OpenCV3编程入门》OpenCV2版书本配套示例程序12 // 程序描述：来自OpenCV安装目录下Samples文件夹中的官方示例程序-支持向量机SVM引导 // 测试所用操作系统： Windows 7 64bit // 测试所用IDE版本：Visual Studio 2010 // 测试所用OpenCV版本： 2.4.9 // 2014年11月 Revised by @浅墨_毛星云 //------------------------------------------------------------------------------------------------ //---------------------------------【头文件、命名空间包含部分】---------------------------- // 描述：包含程序所使用的头文件和命名空间 //------------------------------------------------------------------------------------------------- #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/ml/ml.hpp> using namespace cv; //--------------------------------【help( )函数】---------------------------------------------- // 描述：输出帮助信息 //------------------------------------------------------------------------------------------------- //-----------------------------------【ShowHelpText( )函数】---------------------------------- // 描述：输出一些帮助信息 //---------------------------------------------------------------------------------------------- void ShowHelpText() { //输出欢迎信息和OpenCV版本 printf("\n\n\t\t\t非常感谢购买《OpenCV3编程入门》一书！\n"); printf("\n\n\t\t\t此为本书OpenCV2版的第12个配套示例程序\n"); printf("\n\n\t\t\t 当前使用的OpenCV版本为：" CV_VERSION ); printf("\n\n ----------------------------------------------------------------------------\n"); } //-----------------------------------【main( )函数】-------------------------------------------- // 描述：控制台应用程序的入口函数，我们的程序从这里开始 //------------------------------------------------------------------------------------------------- int main() { // 视觉表达数据的设置（Data for visual representation） int width = 512, height = 512; Mat image = Mat::zeros(height, width, CV_8UC3); //建立训练数据（ Set up training data） float labels[4] = {1.0, -1.0, -1.0, -1.0}; Mat labelsMat(3, 1, CV_32FC1, labels); float trainingData[4][2] = { {501, 10}, {255, 10}, {501, 255}, {10, 501} }; Mat trainingDataMat(3, 2, CV_32FC1, trainingData); ShowHelpText(); //设置支持向量机的参数（Set up SVM's parameters） CvSVMParams params; params.svm_type = CvSVM::C_SVC; params.kernel_type = CvSVM::LINEAR; params.term_crit = cvTermCriteria(CV_TERMCRIT_ITER, 100, 1e-6); // 训练支持向量机（Train the SVM） CvSVM SVM; SVM.train(trainingDataMat, labelsMat, Mat(), Mat(), params); Vec3b green(0,255,0), blue (255,0,0); //显示由SVM给出的决定区域 （Show the decision regions given by the SVM） for (int i = 0; i < image.rows; ++i) for (int j = 0; j < image.cols; ++j) { Mat sampleMat = (Mat_<float>(1,2) << i,j); float response = SVM.predict(sampleMat); if (response == 1) image.at<Vec3b>(j, i) = green; else if (response == -1) image.at<Vec3b>(j, i) = blue; } //显示训练数据 （Show the training data） int thickness = -1; int lineType = 8; circle( image, Point(501, 10), 5, Scalar( 0, 0, 0), thickness, lineType); circle( image, Point(255, 10), 5, Scalar(255, 255, 255), thickness, lineType); circle( image, Point(501, 255), 5, Scalar(255, 255, 255), thickness, lineType); circle( image, Point( 10, 501), 5, Scalar(255, 255, 255), thickness, lineType); //显示支持向量 （Show support vectors） thickness = 2; lineType = 8; int c = SVM.get_support_vector_count(); for (int i = 0; i < c; ++i) { const float* v = SVM.get_support_vector(i); circle( image, Point( (int) v[0], (int) v[1]), 6, Scalar(128, 128, 128), thickness, lineType); } imwrite("result.png", image); // 保存图像 imshow("SVM Simple Example", image); // 显示图像 waitKey(0); }