支持向量机的另外两个类似的个程序

最近开始做的毕业设计得出了几个特征值，现在要做分类，朋友给了个例子，自己先存着。

//利用SVM解决2维空间向量的3级分类问题 

#include "cv.h"

#include "highgui.h"

#include "ml.h"

using namespace std;

int main(int argc, char **argv) 

{ 

int size = 400; //图像的长度和宽度 

const int s = 100; //试验点个数（可更改！！） 

int i, j, sv_num;

IplImage *img; 

CvSVM svm = CvSVM(); //★★★

CvSVMParams param; 

CvTermCriteria criteria;//停止迭代的标准

CvRNG rng = cvRNG(time(NULL)); 

CvPoint pts[s]; //定义1000个点 

float data[s*2]; //点的坐标 

int res[s]; //点的所属类 

CvMat data_mat, res_mat; 

CvScalar rcolor; 

const float *support; // (1)图像区域的确保和初始化 

img= cvCreateImage(cvSize(size, size), IPL_DEPTH_8U, 3); 

cvZero(img); //确保画像区域，并清0(用黑色作初始化处理)。 

// (2)学习数据的生成 

for (i= 0; i< s; i++) 

{ 

pts[i].x= cvRandInt(&rng) % size; //用随机整数赋值

pts[i].y= cvRandInt(&rng) % size; 

if (pts[i].y> 50 * cos(pts[i].x* CV_PI/ 100) + 200)

{ 

cvLine(img, cvPoint(pts[i].x- 2, pts[i].y- 2), cvPoint(pts[i].x+ 2, pts[i].y+ 2), CV_RGB(255, 0, 0));

cvLine(img, cvPoint(pts[i].x+ 2, pts[i].y- 2), cvPoint(pts[i].x- 2, pts[i].y+ 2), CV_RGB(255, 0, 0)); 

res[i] = 1;

} 

else 

{ 

if (pts[i].x> 200) 

{ 

cvLine(img, cvPoint(pts[i].x- 2, pts[i].y- 2), cvPoint(pts[i].x+ 2, pts[i].y+ 2), CV_RGB(0, 255, 0));

cvLine(img, cvPoint(pts[i].x+ 2, pts[i].y- 2), cvPoint(pts[i].x- 2, pts[i].y+ 2), CV_RGB(0, 255, 0));

res[i] = 2;

} 

else 

{ 

cvLine(img, cvPoint(pts[i].x- 2, pts[i].y- 2), cvPoint(pts[i].x+ 2, pts[i].y+ 2), CV_RGB(0, 0, 255)); 

cvLine(img, cvPoint(pts[i].x+ 2, pts[i].y- 2), cvPoint(pts[i].x- 2, pts[i].y+ 2), CV_RGB(0, 0, 255)); 

res[i] = 3;

}

}

} //生成2维随机训练数据，并将其值放在CvPoint数据类型的数组pts[ ]中。

// (3)学习数据的显示

cvNamedWindow("SVM", CV_WINDOW_AUTOSIZE); 

cvShowImage("SVM", img);

cvWaitKey(0);

// (4)学习参数的生成 

for (i= 0; i< s; i++) 

{ 

data[i* 2] = float (pts[i].x) / size;

data[i* 2 + 1] = float (pts[i].y) / size;

} 

cvInitMatHeader(&data_mat, s, 2, CV_32FC1, data); 

cvInitMatHeader(&res_mat, s, 1, CV_32SC1, res); 

criteria= cvTermCriteria(CV_TERMCRIT_EPS, 1000, FLT_EPSILON);

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

/* 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。 */

//☆☆☆☆☆☆☆☆☆(5)SVM学习☆☆☆☆☆☆☆☆☆☆☆☆ 

svm.train(&data_mat, &res_mat, NULL, NULL, param);

//☆

//☆☆利用训练数据和确定的学习参数,进行SVM学习☆☆☆☆

//(6)学习结果的绘图 

for (i= 0; i< size; i++)

{

for (j= 0; j< size; j++) 

{ 

CvMat m; float ret = 0.0;

float a[] = { float (j) / size, float (i) / size };

cvInitMatHeader(&m, 1, 2, CV_32FC1, a);

ret= svm.predict(&m); 

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; 

} 

cvSet2D(img, i, j, rcolor);

} 

} //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。然后对输入像素用所属等级的颜色绘图。

// (7)训练数据的再绘制 

for (i= 0; i< s; i++)

{ 

CvScalar rcolor;

switch (res[i])

{ 

case 1: rcolor= CV_RGB(255, 0, 0); 

break; 

case 2: rcolor= CV_RGB(0, 255, 0); 

break; case 3: rcolor= CV_RGB(0, 0, 255);

break; 

} 

cvLine(img, cvPoint(pts[i].x- 2, pts[i].y- 2), cvPoint(pts[i].x+ 2, pts[i].y+ 2), rcolor);

cvLine(img, cvPoint(pts[i].x+ 2, pts[i].y- 2), cvPoint(pts[i].x- 2, pts[i].y+ 2), rcolor); 

} //将训练数据在结果图像上重复的绘制出来。 

// (8)支持向量的绘制 

sv_num= svm.get_support_vector_count();

for (i= 0; i< sv_num; i++) 

{ 

support = svm.get_support_vector(i); 

cvCircle(img, cvPoint((int) (support[0] * size), (int) (support[1] * size)), 5, CV_RGB(200, 200, 200)); 

} //用白色的圆圈对支持向量作标记。 

// (9)图像的显示 

cvNamedWindow("SVM", CV_WINDOW_AUTOSIZE); 

cvShowImage("SVM", img); 

cvWaitKey(0);

cvDestroyWindow("SVM");

cvReleaseImage(&img); 

return 0; //显示实际处理结果的图像，直到某个键被按下为止。 

}

***********************************************************************************

#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); 

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);

}