SVM分类器C++语言实现

为部分代码，只做参考。文中很多变量类型为自己定义的数据结构。遗憾的是，纯C实现的SVM代码找不到了，有空再写一个吧

 

头文件：

#ifndef SVM_C_H
#define SVM_C_H
#include"Process.h"

extern void Label(std::vector<sample_type> &PSample,std::vector<sample_type> &NSample);//标签赋值;
extern void Train();
extern void Test();
extern void Classify();
extern void ParamsSelection(std::vector<sample_type> &PSample,std::vector<sample_type> &NSample);
extern void Train_opencv_ori();
extern void Train_opencv_opt();
extern void Classify_opencv(int mode);
void SVM_Params_ori();
void SVM_Params_opt();
#endif;

cpp文件:

#include "StdAfx.h"
#include"Svm_c.h"

dlib::svm_c_trainer<kernel_type>trainer;
std::vector<sample_type>AllSamples;

std::vector<double>All_labels;
funct_type learned_function;
dlib::vector_normalizer<sample_type>normalizer;
dlib::rand rnd;

//cv::Mat Classes;
CvSVMParams SVM_params;
CvSVM svm;
int respones;
int PrePoNum=0;
int PreNgNum=0;
std::vector<int>PSIndex;//分为正样本的索引;
std::vector<int>NGIndex;//分为负样本的索引;
CvParamGrid nuGrid;
CvParamGrid coeffGrid;
CvParamGrid degreeGrid;

void Label(std::vector<sample_type> &PSample,std::vector<sample_type> &NSample)
{
    std::cout<<"labeling..."<<std::endl;
    AllSamples.clear();
    int PSnum=PSample.size();
    int NGnum=NSample.size();
    int Num=0;
    Num=PSnum+NGnum;
    if(PSnum>0&&NGnum>0)
    {
        for(int i=0;i<Num;++i)
        {
            if(i<PSnum)
            {
                AllSamples.push_back(PSample[i]);
                All_labels.push_back(1);
            }
            else
            {
                AllSamples.push_back(NSample[i-PSnum]);
                All_labels.push_back(-1);
            }
        }
        normalizer.train(AllSamples);
        for(unsigned long i=0;i<AllSamples.size();++i)
        {
            AllSamples[i]=normalizer(AllSamples[i]);
            std::cout<<AllSamples[i](0)<<" "<<AllSamples[i](1)<<" "<<AllSamples[i](2)<<" "<<AllSamples[i](3)<<std::endl;
        }
        dlib::randomize_samples(AllSamples,All_labels);//可要可不要;
    }
    else
        std::cout<<"训练样本无效！"<<std::endl;
}
void Train()
{
    if(AllSamples.size()>0)
    {
        std::cout<<"Doing cross calidation"<<std::endl;
        for(double gamma=0.00001;gamma<=1;gamma*=5)
        {
            for(double C=1;C<100000;C*=5)
            {
                trainer.set_kernel(kernel_type(gamma));
                trainer.set_c(C);
                std::cout<<"gamma: "<<gamma<<" C: "<<C;
                std::cout<<"  cross validation accuracy: "<<dlib::cross_validate_trainer(trainer,AllSampl