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"#include 
     
      using 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。