SVM的使用

注意：数据结构的一致性，在高维度数据一般使用rbf核函数，使用网格搜索思想迭代求出gamma和c。

每行为一个样本，数据类型都围绕标黄代码而定义的。

SVM训练如下坐标（左边一列为A类，右边为B类），然后预测给出的坐标属于哪一类。

#include<opencv2\opencv.hpp>
#include<iostream>
#include<opencv2\ml.hpp> //引入机器学习
using namespace cv;
using namespace std;
using namespace ml;

int main()
{
    //*1、类别标签labelsMat，因为其是短整型，所以labels定义成int类型。最后再转回char
    int labels[] = { 'A', 'A', 'A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B', 'B', 'B' };
    Mat labelsMat(, , CV_32S);//短整型
    for (int i = ; i < labelsMat.rows; i++)
    {
        labelsMat.at<int>(i, ) = labels[i];
    }
    //*2、用于训练的样本集trainingDataMat
    int trainingData[][] = { { ,  }, { ,  }, { ,  }, { ,  }, { ,  }, { ,  }, { ,  },
    { ,  }, { ,  }, { ,  }, { ,  }, { ,  }, { ,  }, { ,  } };
    Mat trainingDataMat(, , CV_32F); //float类型
    for (int i = ; i < trainingDataMat.rows; i++)
    {
        for (int j = ; j < trainingDataMat.cols; j++)
        {
            trainingDataMat.at<float>(i, j) = trainingData[i][j];
        }
    }
    //*3、初始化SVM，参数参考 https://blog.csdn.net/qq_27278957/article/details/88736516
    Ptr<ml::SVM> svm = ml::SVM::create();
    svm->setType(SVM::C_SVC); //svm的类型，
    svm->setKernel(SVM::LINEAR); //核函数
    svm->setTermCriteria(TermCriteria(TermCriteria::MAX_ITER, , FLT_EPSILON)); //终止条件
    //*4、训练模型
    Ptr<TrainData> tData = TrainData::create(trainingDataMat, ROW_SAMPLE, labelsMat);//训练样本的数据类型必须是CV_32F，标签可以是CV_32S或其他。
    svm->train(tData);
    svm->save("svmData.xml");
    //*5、预测
    Mat tmp(, , CV_32F);
    tmp.at<float>(, ) = ;
    tmp.at<float>(, ) = ;

    char label = (char)svm->predict(tmp); //ASCII码转字符，预测结果为B
    cout << label << endl;

    waitKey();
    return ;
}

上图绘制代码：

Mat plot(, , CV_8U);
vector<Point> myPoint();//14个点
for (int i = ; i < myPoint.size(); i++)
{
    myPoint[i].x = trainingData[i][];
    myPoint[i].y = trainingData[i][];
    circle(plot, myPoint[i], , Scalar(), -);
}
namedWindow("坐标点", );
imshow("坐标点", plot);

【参考】

https://blog.csdn.net/bigFatCat_Tom/article/details/95201903?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task