OpenCV 与 SVM

OpenCV 与 SVM

---

一、SVM概述

支持向量机SVM（Support Vector Machine）是一个有监督的学习模型，通常用来分类及回归分析。同样地，在OpenCV中已经有相关的库函数CvSVM实现了。一如既往地，我们不详细介绍SVM的算法原理，只是简单地介绍OpenCV是如何调用SVM的。本文参考：http://blog.csdn.net/qq_15947787/article/details/51375349

如果想要详细了解SVM的算法原理及证明过程，推荐以下参考网址：http://www.dataguru.cn/thread-371987-1-1.html 和 http://blog.csdn.net/alvine008/article/details/9097105

二、 设置参数及初始化

    //设置参数  
    CvSVMParams params;  
    params.svm_type  = CvSVM::C_SVC;     //n(n>2)的分类器，其中参数C是异常惩罚因子，可以进行不完全分类  
    //params.svm_type  = CvSVM::NU_SVC;    //n(n>2)类似不完全分类的分类器，参数nu(nu属于[0,1]),取代了C_SVC类型的异常惩罚因子C;  
    //params.svm_type  = CvSVM::ONE_CLASS;  //单分类器，用一个分界线对特征空间进行分割。  

    params.kernel_type = CvSVM::LINEAR;  //线性核函数，此核函数在分类是速度最快，分类将在原始空间中完成；  
    //params.kernel_type = CvSVM::POLY;    //多项式核  
    //params.kernel_type = CvSVM::RBF;     //径向基核，对于大部分情况都是选择此类型  
    //params.kernel_type = CvSVM::SIGMOID;  //sigmoid核函数  

    params.term_crit  = cvTermCriteria(CV_TERMCRIT_ITER, 100, 1e-6); //SVM迭代终止条件,CV_TERMCRIT_ITER为终止条件类型，100为最大迭代次数，1e-6为结果的准确率  

    //训练SVM  
    CvSVM SVM;  
    SVM.train(trainingDataMat, labelsMat, Mat(), Mat(), params); 

三、 预测数