利用SVM解决2维空间向量的3级分类问题

【原文：http://blog.csdn.net/firefight/article/details/6400060】 为了学习OPENCV SVM分类器, 参考网上的 利用SVM解决2维空间向量的分类问题 实现并改为C代码，仅供参考 环境：OPENCV2.2 VS2008 步骤： 1，生成随机的点，并按一定的空间分布将其归类 2，

【原文：http://blog.csdn.net/firefight/article/details/6400060】

为了学习opencv svm分类器, 参考网上的"利用svm解决2维空间向量的分类问题"实现并改为c++代码，仅供参考

Amazon Nova

亚马逊云科技（AWS）推出的一系列生成式AI基础模型

下载

环境：OPENCV2.2 + VS2008

步骤：
1，生成随机的点，并按一定的空间分布将其归类
2，创建SVM并利用随机点样本进行训练
3，将整个空间按SVM分类结果进行划分，并显示支持向量

[cpp] view plaincopy

1. #include "stdafx.h"  
2. #include   
3.   
4. void drawCross(Mat &img, Point center, Scalar color)  
5. {  
6.     int col = center.x > 2 ? center.x : 2;  
7.     int row = center.y> 2 ? center.y : 2;  
8.   
9.     line(img, Point(col -2, row - 2), Point(col + 2, row + 2), color);    
10.     line(img, Point(col + 2, row - 2), Point(col - 2, row + 2), color);    
11. }  
12.   
13. int newSvmTest(int rows, int cols, int testCount)  
14. {  
15.     if(testCount > rows * cols)  
16.         return 0;  
17.   
18.     Mat img = Mat::zeros(rows, cols, CV_8UC3);  
19.     Mat testPoint = Mat::zeros(rows, cols, CV_8UC1);  
20.     Mat data = Mat::zeros(testCount, 2, CV_32FC1);  
21.     Mat res = Mat::zeros(testCount, 1, CV_32SC1);  
22.   
23.     //Create random test points  
24.     for (int i= 0; i
25.     {   
26.         int row = rand() % rows;  
27.         int col = rand() % cols;  
28.   
29.         if(testPoint.atchar>(row, col) == 0)  
30.         {  
31.             testPoint.atchar>(row, col) = 1;  
32.             data.atfloat>(i, 0) = float (col) / cols;   
33.             data.atfloat>(i, 1) = float (row) / rows;   
34.         }  
35.         else  
36.         {  
37.             i--;  
38.             continue;  
39.         }  
40.   
41.         if (row > ( 50 * cos(col * CV_PI/ 100) + 200) )  
42.         {   
43.             drawCross(img, Point(col, row), CV_RGB(255, 0, 0));  
44.             res.atint>(i, 0) = 1;   
45.         }   
46.         else   
47.         {   
48.             if (col > 200)   
49.             {   
50.                 drawCross(img, Point(col, row), CV_RGB(0, 255, 0));  
51.                 res.atint>(i, 0) = 2;   
52.             }   
53.             else   
54.             {   
55.                 drawCross(img, Point(col, row), CV_RGB(0, 0, 255));  
56.                 res.atint>(i, 0) = 3;   
57.             }   
58.         }   
59.   
60.     }  
61.   
62.     //Show test points  
63.     imshow("dst", img);  
64.     waitKey(0);  
65.   
66.     /////////////START SVM TRAINNING//////////////////  
67.     CvSVM svm = CvSVM();   
68.     CvSVMParams param;   
69.     CvTermCriteria criteria;  
70.   
71.     criteria= cvTermCriteria(CV_TERMCRIT_EPS, 1000, FLT_EPSILON);  
72. /* 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。*/
    
73.     param= CvSVMParams (CvSVM::C_SVC, CvSVM::RBF, 10.0, 8.0, 1.0, 10.0, 0.5, 0.1, NULL, criteria);   
74.     svm.train(data, res, Mat(), Mat(), param);  
75.   
76.     for (int i= 0; i
77.     {   
78.         for (int j= 0; j
79.         {   
80.             Mat m = Mat::zeros(1, 2, CV_32FC1);  
81.             m.atfloat>(0,0) = float (j) / cols;  
82.             m.atfloat>(0,1) = float (i) / rows;  
83.   
84.             float ret = 0.0;   
85.             ret = svm.predict(m);   
86.             Scalar rcolor;   
87.   
88.             switch ((int) ret)   
89.             {   
90.                 case 1: rcolor= CV_RGB(100, 0, 0); break;   
91.                 case 2: rcolor= CV_RGB(0, 100, 0); break;   
92.                 case 3: rcolor= CV_RGB(0, 0, 100); break;   
93.             }   
94.   
95.             line(img, Point(j,i), Point(j,i), rcolor);  
96.         }   
97.     }  
98.   
99.     imshow("dst", img);  
100.     waitKey(0);  
101.   
102.     //Show support vectors  
103.     int sv_num= svm.get_support_vector_count();   
104.     for (int i= 0; i
105.     {   
106.         const float* support = svm.get_support_vector(i);   
107.         circle(img, Point((int) (support[0] * cols), (int) (support[1] * rows)), 5, CV_RGB(200, 200, 200));   
108.     }  
109.   
110.     imshow("dst", img);  
111.     waitKey(0);  
112.   
113.     return 0;  
114. }  
115.   
116. int main(int argc, char** argv)  
117. {  
118.     return newSvmTest(400, 600, 100);  
119. }  

学习样本：

分类：

支持向量：