svm模糊分类源程序

// suanfa.cpp : Defines the entry point for the DLL application.
//


#include 
#include 
#include 
#include 
#include 
#include “svm.h“
#include “arithmetic.h“
#include 
#include se.h>
BOOL APIENTRY DllMain（ HANDLE hModule 
                       DWORD  ul_reason_for_call 
                       LPVOID lpReserved
					 ）
{
    return TRUE;
}
//**************************************************

//LPSTR input_file_name;
//LPSTR model_file_name;
CHAR input_file_name[100];
CHAR model_file_name[100];

//***************************************************
#define Malloc（typen）   （type *）malloc（（n）*sizeof（type））

void exit_with_help（）
{
	exit（1）;
}

void parse_command_line（char *input_file_name char *model_file_nameint c_s）;
void read_problem（const char *filename）;
void do_cross_validation（）;			//交叉验证

struct svm_parameter param;		// set by parse_command_line
struct svm_problem prob;		// set by read_problem
struct svm_model *model;
struct svm_node *x_space;
static int cross_validation=0;
int nr_fold=5;

double best_C=1best_gamma=1best_accuracy=0;

extern “C“ _declspec（dllexport） void name（LPSTR in_nameLPSTR model_name）
{
   //input_file_name=in_name;
   //model_file_name=model_name;
    strcpy（input_file_name in_name）;
	strcpy（model_file_name model_name）;

}

extern “C“ _declspec（dllexport） int TrainModel（int signal）
{  
	//初始化c和gamma的起始值，步长和最大值
    double begin_C=-4step_C=1end_C=8;
    double begin_gamma=-10step_gamma=1end_gamma=0;  
	const char *error_msg;

	parse_command_line（input_file_name model_file_namesignal）;  //在该步骤中，把signal付给了cross_validation，并做了一些初始化操作
	read_problem（input_file_name）;
	error_msg = svm_check_parameter（&prob¶m）;

	if（error_msg）
	{
		fprintf（stderr“Error: %s\n“error_msg）;
		exit（1）;
	}

	if（cross_validation）        //cross_validation是1时代表进行训练，cross_validation是0时代表
	{
      for（param.C=pow（2begin_C）;param.C<=pow（2end_C）;param.C*=pow（2step_C））
       for（param.gamma=pow（2begin_gamma）;param.gamma<=pow（2end_gamma）;param.gamma*=pow（2step_gamma））
		do_cross_validation（）;

	    //c=best_C;g=begin_gamma;

       	printf（“\n*************\nbest_C = %g\n“best_C）;
		printf（“best_gamma=%g\n“best_gamma）;
		printf（“best_accuracy = %g%%\n“best_accuracy）;
	}
	else
	{
		model = svm_train（&prob¶m）;
		svm_save_model（model_file_namemodel）;
		svm_destroy_model（model）;
	}
	
	svm_destroy_param（¶m）;
	free（prob.y）;
	free（prob.x）;
	free（x_space）;

	return 0;
}

void do_cross_validation（）           //对c和gamma的值加以修正
{
	int i;
	int total_correct = 0;
	double total_error = 0;
	double sumv = 0 sumy = 0 sumvv = 0 sumyy = 0 sumvy = 0;
	double *target = Malloc（doubleprob.l）;    //分配行数个double个类型的存储单元
	double accuracy=0;

	svm_cross_validation（&prob¶mnr_foldtarget）;   //svm的交叉验证
	for（i=0;i			if（target[i] == prob.y[i]）
				+