libsvm的使用

因为毕业论文用到了libsvm,在老师的帮助下终于弄明白了。现将其基本的用法总结如下：

(1)准备训练数据

   首先，按照libsvm的要求把数据转换成指定的格式。以我的论文内容为例，进行两类问题的分析，分为cover和stego两种。我们共有1500幅cover,1500幅stego。然后各取200幅组成训练数据集，另外的各1300幅图像分别作为cover和stego的预测集。根据理论分析，分别求其2个特征属性。并转换成指定的数据格式： 

(Cover):  +1 1:<value1> 2:<value2> 

(Stego):  -1 1:<value1> 2:<value2> 

这里，设所有Cover的label为1，相反的，Stego为-1.

转换数据格式的过程我是在matlab下实现的。首先，设定一个函数“function mat2libsvm(X, Y, fname)”。然后，利用该函数将提取出的数据转换成指定格式“mat2libsvm( FeaturesCover(ListLenStegoTr+1:end,:),PreCover(ListLenStegoTr+1:end), ‘train.txt')” 。转换完的数据就以train.txt文本文档的形式存在当前目录下了。

%*********************************************************************************

插播，讲下。我们把libsvn文件夹放在指定的一个位置，比如我放在D盘。另外，libsvm都是在DOS下执行的。在windows下，点开始——运行——CMD——确定就进入DOS系统命令行了。DOS默认的目录是在C盘。所以我们现将当前工作目录改为D盘。进而再进入我们的svm-scale.exe,svm-train.exe,svm-predict.exe所在的子目录。如下操作：

%*********************************************************************************

 

（2）缩放数据

 因为得到的数据的范围较大，为了得到较好的分类结果，利用LIBSVM自带的scale对所得的一个训练数据集和两个预测集分别进行缩放，把所有数据归一化，缩放到的范围内。

 其语法如下：

      svm-scale -s save.txt train.txt>train_scale.txt（在dos下执行）

 其中，train.txt从上面matlab目录下移到D:libsvm-2.86windows目录下，save.txt 和train_scale.txt要在执行前建立在该目录下。归一化过程中用的数据存放在save文件中

（3）训练数据

 对以上已经装换为指定格式且归一化的数据进行训练（svmtrain）,产生一个Model文件。

     语法如下：

      svm-train -t 1 -g 2 train_scale.txt Model_train_scale.txt（DOS）

Model_train_scale.txt需先建

（4）预测数据

使用预测集，依照已经训练好了的Model，输出预测数据所对应的类型，cover or stego.

语法如下：

   svm-predict Cover_scale.txt Model_train_scale.txt out_scale.txt（DOS）

out_scale.txt需先建

因为我们采用的预测集本身有其所属类别（cover:1;stego:-1)，所以预测结果能反映出分类的正确率。正确率在DOS下就能直接显现出。

我们也可以预测训练数据集，同样的，也可看到其正确率。