libsvm该函数的调用方法 详细说明
本文地址: http://blog.csdn.net/caroline_wendy/article/details/26261173
须要载入(load)SVM的模型, 然后将结点转换为SVM的格式, 即索引(index)+数据(value)的形式;
释放SVM的model有专用的函数: svm_free_and_destroy_model, 否则easy内存泄露;
能够预測数据的概率, 则须要模型是概率模型, 返回的是一个类别数组(2分类, 则为2个值的数组), 即各个标签的概率值;
注意: 标签即概率值较大的部分, 所以在训练时, 应注意正负样本的顺序,
正样本在前, 下标0, 为正样本的概率, 下标1, 为负样本的概率; 反之亦然.
代码:
/*! @file********************************************************************************模块名 : 分类器文件名称 : SvmClassifier.cpp相关文件 : SvmClassifier.h文件实现功能 : SVM分类器类实现作者 : C.L.WangEmail: morndragon@126.com版本号 : 1.0--------------------------------------------------------------------------------多线程安全性 : 是异常时安全性 : 是--------------------------------------------------------------------------------备注 : 无--------------------------------------------------------------------------------改动记录 : 日 期 版本号 改动人 改动内容 2014/03/27 1.0 C.L.Wang Create********************************************************************************* 版权全部(c) C.L.Wang, 保留全部权利*******************************************************************************/#include "stdafx.h"#include "SvmClassifier.h"#includeusing namespace std;using namespace cv;using namespace vd;const std::string SvmClassifier::NORM_NAME = "normalization.xml"; //归一化模型const std::string SvmClassifier::SVM_MODEL_NAME = "hvd.model"; //Svm模型bool SvmClassifier::m_mutex = true; //相互排斥锁/*! @function******************************************************************************** 函数名 : SvmClassifier功能 : 參数构造函数參数 : const Mat& _videoFeature, 视频特征; const string& _modelPath, 模型路径;返回值 : 无抛出异常 : 无--------------------------------------------------------------------------------复杂度 : 无备注 : 无典型使用方法 : SvmClassifier iSF(_videoFeature, _modelPath);--------------------------------------------------------------------------------作者 : C.L.Wang*******************************************************************************/ SvmClassifier::SvmClassifier ( const cv::Mat& _videoFeature, /*特征*/ const std::string& _modelPath /*模型路径*/ ) : Classifier(_videoFeature, _modelPath), m_model(nullptr), m_node(nullptr){ return;}/*! @function********************************************************************************函数名 : ~SvmClassifier功能 : 析构函数參数 : void返回值 : 无抛出异常 : 无--------------------------------------------------------------------------------复杂度 : 无备注 : 无典型使用方法 : iSC.~SvmClassifier();--------------------------------------------------------------------------------作者 : C.L.Wang*******************************************************************************/ SvmClassifier::~SvmClassifier (void){ if (m_model != nullptr) { svm_free_and_destroy_model(&m_model); } if (m_node != nullptr) { delete[] m_node; m_node = nullptr; } return;}/*! @function********************************************************************************函数名 : calculateResult功能 : 计算分类结果參数 : void返回值 : const double, 分类结果抛出异常 : 无--------------------------------------------------------------------------------复杂度 : 无备注 : 无典型使用方法 : result = iSC.calculateResult();--------------------------------------------------------------------------------作者 : C.L.Wang*******************************************************************************/ const double SvmClassifier::calculateResult (void){ double result(0.0); while(1) { if (m_mutex == true) { m_mutex = false; _initModel(); result = _predictValue(); if (m_model != nullptr) { svm_free_and_destroy_model(&m_model); } if (m_node != nullptr) { delete[] m_node; m_node = nullptr; } m_mutex = true; break; } } return result;}/*! @function********************************************************************************函数名 : _predictValue功能 : 预測值參数 : void返回值 : const double, 预測值;抛出异常 : 无--------------------------------------------------------------------------------复杂度 : 无备注 : 无典型使用方法 : result = _predictValue();--------------------------------------------------------------------------------作者 : C.L.Wang*******************************************************************************/ const double SvmClassifier::_predictValue (void) const{ double label (0.0); double prop (0.0); const int nr_class (2); double* prob_estimates = (double *) malloc(nr_class*sizeof(double)); label = svm_predict_probability(m_model, m_node, prob_estimates); prop = prob_estimates[0]; //返回预測概率值 delete[] prob_estimates; return prop;}/*! @function********************************************************************************函数名 : _initModel功能 : 初始化模型參数 : void返回值 : void抛出异常 : 无--------------------------------------------------------------------------------复杂度 : 无备注 : 无典型使用方法 : _initModel();--------------------------------------------------------------------------------作者 : C.L.Wang*******************************************************************************/ void SvmClassifier::_initModel (void){ /*完整路径*/ std::string modelName (m_modelPath); //模型名称 std::string normName (m_modelPath); //归一化名称 const std::string slash("/"); modelName.append(slash); modelName.append(SVM_MODEL_NAME); normName.append(slash); normName.append(NORM_NAME); std::ifstream ifs; ifs.open(modelName, ios::in); if (ifs.fail()) { __printLog(std::cerr, "Failed to open the model file!"); } ifs.close(); ifs.open(normName, ios::in); if (ifs.fail()) { __printLog(std::cerr, "Failed to open the model file!"); } ifs.close(); if (m_model != nullptr) { svm_free_and_destroy_model(&m_model); } m_model = svm_load_model(modelName.c_str()); __transSvmNode(normName); return;}/*! @function********************************************************************************函数名 : __transSvmNode功能 : 转换Svm结点參数 : const string& normName, 归一化模型路径返回值 : void抛出异常 : 无--------------------------------------------------------------------------------复杂度 : 无备注 : 无典型使用方法 : __transSvmNode(normName);--------------------------------------------------------------------------------作者 : C.L.Wang*******************************************************************************/ void SvmClassifier::__transSvmNode (const std::string& _normName){ cv::FileStorage fs(_normName, FileStorage::READ); cv::Mat maxNorm; fs["normalization"] >> maxNorm; fs.release(); /*归一化视频特征*/ cv::Mat normFeature = cv::Mat::zeros(1, maxNorm.cols-2, CV_64FC1); for (int j=2; j(0, j-2) += m_videoFeature.at (i, j); } } for (int j=0; j (0, j) /= m_videoFeature.rows; if (maxNorm.at (0, j+2) > 0.0001) normFeature.at (0, j) /= maxNorm.at (0, j+2); } normFeature.at (0,0) = 0.0; if (m_node != nullptr) { delete[] m_node; m_node = nullptr; } m_node = new svm_node[normFeature.cols]; for (int j=1; j < normFeature.cols; ++j) { m_node[j-1].index = j; m_node[j-1].value = normFeature.at (0, j); } m_node[normFeature.cols-1].index = -1; m_node[normFeature.cols-1].value = 0; return;}
版权声明:本文博主原创文章,博客,未经同意不得转载。