支持向量机SVM的SMO方法实现（C++）

因为毕设要用SVM，想深入了解一下。

看了几个中文博客作为初始的认识，再看了SVM鼻祖将SVM的论文，【见文章末尾】最后按照论文把把SVM实现，做了一个图像化例子：

首先上图，看下效果：

动态图

在对话框上随便点击一些点，左键点为绿色（正点），右键点击为红色（负点）

设置惩罚因子（默认为100），并点击SVM训练，得到超平面（本例中为一条直线），（被选为支持向量的样本点）增大显示：

修改惩罚因子C的值，重新训练SVM并绘制超平面，（变小的点没有被严格“分类正确”，即没有被分在支持向量远离超平面的位置）：

惩罚因子越大，分类面越会考虑分类的准确性，因为分错一个惩罚大。

当惩罚因子小的时候，分类面会偏向大多数点的漂亮分类，有些奇异点可能会被分错。

模型说明：

在本程序中，

每个点为一个样本，样本的特征为2维，分别是途中各样本点的横纵坐标。

分类类别为两类：+1绿点，-1红点。

支持向量机的内核采用的是内积方式。K（xi，xj）= 向量xi与xj各对应元素相乘求和。

我的工程代码：(下载链接)

http://pan.baidu.com/s/1eQiR7NW

http://download.csdn.net/detail/hzq20081121107/7284409

参考文件：

1.SMO鼻祖论文 

sequential minimal optimization a fast Sequential Minimal Optimization:A Fast Algorithm for Training Support Vector Machines

http://www.msr-waypoint.com/pubs/69644/tr-98-14.pdf

2.SVM通俗理解,(里面某些贴图有错误，尚未更正)。

 http://blog.csdn.net/v_july_v/article/details/7624837  

3.SVM的推导过程，（没有完全看懂） 

http://www.cnblogs.com/biyeymyhjob/archive/2012/07/17/2591592.html  

4.SMO的一个实现：

http://blog.csdn.net/mutex86/article/details/10001523