支持向量机(Support Vector Machine,简称SVM)是一种常用的监督学习算法,主要用于分类和回归问题。在这里,我将提供一个使用OpenCV和C++编写的简单SVM分类器的示例程序。这个示例将演示如何使用SVM对二维数据进行二元分类。
请确保你已经安装了OpenCV,并且已经安装了CMake(用于构建程序)。
首先,创建一个名为"SVMExample"的文件夹,然后在该文件夹中创建以下两个文件:
-
svm_data.txt
:包含训练数据,每一行包含两个特征和一个类别标签(0或1)。2.1 3.4 0 3.5 4.2 0 2.8 5.6 0 7.3 6.9 1 8.0 5.4 1 9.1 6.2 1
-
svm_example.cpp
:SVM示例程序的源代码。
下面是示例代码:
#include <opencv2/opencv.hpp>
#include <iostream>
int main() {
// 读取训练数据
cv::Mat data, labels;
cv::FileStorage fs("svm_data.txt", cv::FileStorage::READ);
fs["data"] >> data;
fs["labels"] >> labels;
fs.release();
if (data.empty() || labels.empty()) {
std::cerr << "Error: Could not open training data." << std::endl;
return -1;
}
// 创建SVM分类器
cv::Ptr<cv::ml::SVM> svm = cv::ml::SVM::create();
svm->setType(cv::ml::SVM::C_SVC);
svm->setKernel(cv::ml::SVM::LINEAR);
svm->setTermCriteria(cv::TermCriteria(cv::TermCriteria::MAX_ITER, 100, 1e-6));
// 训练SVM模型
svm->train(data, cv::ml::ROW_SAMPLE, labels);
// 创建测试数据
cv::Mat test = (cv::Mat_<float>(1, 2) << 3.0, 4.5);
// 使用训练好的模型进行分类
float result = svm->predict(test);
// 输出分类结果
std::cout << "Predicted class: " << result << std::endl;
return 0;
}
编译和运行这个程序。它将读取训练数据,使用SVM分类器进行训练,然后对新的测试数据进行分类预测。