libsvm在vs2017下使用c++实例详解（含c++代码）

最近有项目需要利用svm进行光谱数据分类，所以使用了libsvm实现了该分类器，并且效果不错

环境搭建

首先下载libSVM最新的版本

使用VS2017创建一个新的空工程，把上图目录中的svm.cpp和svm.h复制到工程目录下，把这两个文件添加到工程中去。
注意：VS2017中使用fopen会出现一个错误，原因是VS2017自身兼容性不好，认为fopen不安全，可以通过 工程右键——Properties——C++——Preprocesser——Preprocesser Definitions中添加_CRT_SECURE_NO_WARNINGS解决该问题。
同时VS2017中编译会出现strdup函数编译不过去，同样根据提示，把该函数改为_strdup即可。

特征文件的读取

网上对于libsvm有一种误导，就是你的特征文件必须要按照一定的格式来，才能够被读取训练，其实这只是对于使用dos命令行调用libsvm时的规定，因为libsvm自定义的特征文件格式是与其读取相匹配的。如果我们使用自己的读取文件函数，则完全不用拘束于这种格式，只要我们在读取函数之中与我们自己的特征文件格式相匹配即可。
在libsvm中，与读取特征文件相关的类型为svm_problem。这个类中有三个元素，如下所示：

struct svm_problem 
{
   
	int n; //记录样本总数
	double *y; //记录样本所属类别
	struct svm_node **x; //存储所有样本的特征，二维数组，一行存一个样本的所有特征
};

struct svm_node //用来存储输入空间中的单个特征
{
   
	int index; //该特征在特征空间中的维度编号
	double value; //该特征的值
};

数据读取的核心思想就是将数据的每个特征的index与value对应填入svm_node中去，最后建立一个svm_problem类，就可以调用libsvm内部的函数了

我的svm类如下所示

#include "svm.h"
#include "readdata.h"
#include "data_standard.h"
#include <iostream>
#include <string>
#include <vector>
#include <deque>

using namespace std;

class ClassificationSVM
{
   
public:
	ClassificationSVM() :SampleNum(0) {
   };
	~ClassificationSVM() = default;

	void trainSVM();							//训练数据
	bool predictSVM(vector<double> &datav, const std::string &ModelFileName);	//单个数据预测
	void multi_predictSVM(vector<bool> &v);							//一组数据预测

private:
	svm_node* vector2svmnode(const vector<double> &v);						//将vector<double>转换为svm_node[]
	void setParam();
	void readTrainData(std::string type, bool tag, int num, int st = 1);	//从 path\typename 第st个数据开始读取num个数据，并记录对应标签为tag（正样本为true࿰