libsvm的数据格式及制作

1、libsvm数据格式

libsvm使用的训练数据和检验数据文件格式如下：

 [label] [index1]:[value1] [index2]:[value2] …

 [label] [index1]:[value1] [index2]:[value2] …

label  目标值，就是说class（属于哪一类），就是你要分类的种类，通常是一些整数。

index 是有顺序的索引，通常是连续的整数。就是指特征编号，必须按照升序排列

value 就是特征值，用来train的数据，通常是一堆实数组成。

即：

目标值   第一维特征编号：第一维特征值   第二维特征编号：第二维特征值 …

目标值   第一维特征编号：第一维特征值   第二维特征编号：第二维特征值 …

……

目标值   第一维特征编号：第一维特征值   第二维特征编号：第二维特征值 …

例如：5 1:0.6875 2:0.1875 3:0.015625 4:0.109375

表示训练用的特征有4维，第一维是0.6875，第二维是0.1875，第三维是0.015625，第四维是0.109375  目标值是5

注意：训练和测试数据的格式必须相同，都如上所示。测试数据中的目标值是为了计算误差用。

2、libsvm数据格式制作

该过程可以自己使用excel或者编写程序来完成，也可以使用网络上FormatDataLibsvm.xls来完成。FormatDataLibsvm.xls使用说明：

a.先将数据按照下列格式存放（注意label放最后面）：

value1 value2 … label

value1 value2 … label

…

value1 value2 … label

b.然后将以上数据粘贴到FormatDataLibsvm.xls中的最上角单元格，接着工具->宏->执行FormatDataToLibsvm宏。就可以得到libsvm要求的数据格式。

当然最方便的还是用程序生成，我这里有一个提取指定文件夹内各类样本文件夹内的图片的lbp特征值，并组织成libsvm所需的数据格式，写入txt文件中的程序：

/*Function:int prepareFeatsData(string samples_path, string outfile, char* class_samples, uchar* char_class, int nclass, string extens)
Features：
对指定的样本（数字和字母）的路径下的各个指定的样本文件进行特征提取，
连同类编号依次存入outfile指定文件中。
Attention:
注意_finddata_t结构体和_findfirst函数的用法
in-parameter:
samples_path：所有样本归属的文件夹
outfile：提取特征后写入的文件
class_samples：各个样本的文件夹标记
char_class：各样本的类别标记
nclass：有多少类样本
extens：样本文件的后缀扩展名（例如："*.png"）
out-parameter:
Return    : 处理的样本总数
Author: Mengjia  Date：2017-1-5 16:05:47
*/
int prepareFeatsData(string samples_path, string outfile, char* class_samples, uchar* char_class, int nclass, string extens)
{
    int itatol = ;
    FILE   *fp;
    fp = fopen(outfile.c_str(), "w+"); //train_samples\\train_lbp.txt
    long hFile;//int nn=0;
    for (int nsamp = ; nsamp < nclass; nsamp++)
    {
        string cur_folder = samples_path;
        cur_folder += '\\';
        cur_folder += class_samples[nsamp];//样本的文件夹标记
        cur_folder += '\\';
        string findfile = cur_folder;
        findfile += extens;//所要寻找的文件格式全路径

        struct _finddata_t img_file;

        if ((hFile = _findfirst(findfile.c_str(), &img_file)) == -1L)//"rawdata/*.png"
        {
            printf("no %s files in directory :%s\n", extens.c_str(), findfile.c_str());
            //printf(findfile.c_str());
        }
        do
        {
            string filename = cur_folder;
            filename += img_file.name;
            IplImage* pImg = cvLoadImage(filename.c_str(), CV_LOAD_IMAGE_UNCHANGED);
            if (pImg)
            {    //nn++;
                itatol++;
                IplImage* pBImg = alignmentImg(pImg);
                IplImage* standarImg = sizeNormalization(pBImg, , );
                int scale_flag = SCALE_LBP_FEATURES;
                CvMat* lbp_feats = LBP_features(standarImg, , , , scale_flag);

                if (scale_flag == SCALE_LBP_FEATURES)
                {
                    double*pData = (double*)(lbp_feats->data.db);
                    fprintf(fp, "%d ", char_class[nsamp]); //写入样本类别 

                    for (int i = ; i < lbp_feats->cols * lbp_feats->rows; i++)
                    {
                        if (pData[i] != .)
                            fprintf(fp, "%d%s%g ", i + , ":", pData[i]);   //按格式写入特征
                    }

                    fprintf(fp, "\t\n");
                }
                else
                {
                    uchar*pData = (uchar*)(lbp_feats->data.ptr);
                    fprintf(fp, "%d ", char_class[nsamp]); //写入样本类别 

                    for (int i = ; i < lbp_feats->cols * lbp_feats->rows; i++)
                    {
                        if (pData[i] != .)
                            fprintf(fp, "%d%s%d ", i + , ":", pData[i]);   //按格式写入特征
                    }

                    fprintf(fp, "\t\n");
                }

                cvReleaseMat(&lbp_feats);
                cvReleaseImage(&pBImg);
                cvReleaseImage(&standarImg);
                cvReleaseImage(&pImg);
            }
        } while (_findnext(hFile, &img_file) == );
        _findclose(hFile);
    }
    fclose(fp);
    printf("total samples = %d\n", itatol);
    return itatol;
}

以上。