svmpredict.mexw64 svmtrain.mexw64 及c文件

svmpredic.c svmtrain.c svmpredict.mexw64 svmtrain.mexw64

#include 
#include 
#include 
#include “../svm.h“

#include “mex.h“
#include “svm_model_matlab.h“

#ifdef MX_API_VER
#if MX_API_VER < 0x07030000
typedef int mwIndex;
#endif
#endif

#define CMD_LEN 2048

int print_null（const char *s...） {}
int （*info）（const char *fmt...） = &mexPrintf;

void read_sparse_instance（const mxArray *prhs int index struct svm_node *x）
{
	int i j low high;
	mwIndex *ir *jc;
	double *samples;

	ir = mxGetIr（prhs）;
	jc = mxGetJc（prhs）;
	samples = mxGetPr（prhs）;

	// each column is one instance
	j = 0;
	low = （int）jc[index] high = （int）jc[index+1];
	for（i=low;i	{
		x[j].index = （int）ir[i] + 1;
		x[j].value = samples[i];
		j++;
	}
	x[j].index = -1;
}

static void fake_answer（mxArray *plhs[]）
{
	plhs[0] = mxCreateDoubleMatrix（0 0 mxREAL）;
	plhs[1] = mxCreateDoubleMatrix（0 0 mxREAL）;
	plhs[2] = mxCreateDoubleMatrix（0 0 mxREAL）;
}

void predict（mxArray *plhs[] const mxArray *prhs[] struct svm_model *model const int predict_probability）
{
	int label_vector_row_num label_vector_col_num;
	int feature_number testing_instance_number;
	int instance_index;
	double *ptr_instance *ptr_label *ptr_predict_label; 
	double *ptr_prob_estimates *ptr_dec_values *ptr;
	struct svm_node *x;
	mxArray *pplhs[1]; // transposed instance sparse matrix

	int correct = 0;
	int total = 0;
	double error = 0;
	double sump = 0 sumt = 0 sumpp = 0 sumtt = 0 sumpt = 0;

	int svm_type=svm_get_svm_type（model）;
	int nr_class=svm_get_nr_class（model）;
	double *prob_estimates=NULL;

	// prhs[1] = testing instance matrix
	feature_number = （int）mxGetN（prhs[1]）;
	testing_instance_number = （int）mxGetM（prhs[1]）;
	label_vector_row_num = （int）mxGetM（prhs[0]）;
	label_vector_col_num = （int）mxGetN（prhs[0]）;

	if（label_vector_row_num!=testing_instance_number）
	{
		mexPrintf（“Length of label vector does not match # of instances.\n“）;
		fake_answer（plhs）;
		return;
	}
	if（label_vector_col_num!=1）
	{
		mexPrintf（“label （1st argument） should be a vector （# of column is 1）.\n“）;
		fake_answer（plhs）;
		return;
	}

	ptr_instance = mxGetPr（prhs[1]）;
	ptr_label    = mxGetPr（prhs[0]）;

	// transpose instance matrix
	if（mxIsSparse（prhs[1]））
	{
		if（model->param.kernel_type == PRECOMPUTED）
		{
			// precomputed kernel requires dense matrix so we make one
			mxArray *rhs[1] *lhs[1];
			rhs[0] = mxDuplicateArray（prhs[1]）;
			if（mexCallMATLAB（1 lhs 1 rhs “full“））
			{
				mexPrintf（“Error: cannot full testing instance matrix\n“）;
				fake_answer（plhs）;
				return;
			}
			ptr_instance = mxGetPr（lhs[0]）;
			mxDestroyArray（rhs[0]）;
		}
		else
		{
			mxArray *pprhs[1];
			pprhs[0] = mxDuplicateArray（prhs[1]）;
			if（mexCallMATLAB（1 pplhs 1 pprhs “transpose“））
			{
				mexPrintf（“Error: cannot transpose testing instance matrix\n“）;
				fake_answer（plhs）;
				return;
			}
		}
	}

	if（predict_probability）
	{
		if（svm_type==NU_SVR || svm_type==EPSILON_SVR）
			info（“Prob. model for test data: target value = predicted value + 

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       9472  2012-07-25 14:12  svmpredict.c

     文件      24064  2014-10-30 17:12  svmpredict.mexw64

     文件      11458  2012-07-15 19:12  svmtrain.c

     文件      62976  2014-10-30 17:12  svmtrain.mexw64

----------- ---------  ---------- -----  ----

               107970                    4