资源简介
压缩包含一个完整的Qt控制台工程,注释详细,调试和运行成功,也可以直接移植到win32中运行。
代码片段和文件信息
/*****************************
//湖南长沙·2015-11-8
*************************/
#include
#include “opencv2\opencv.hpp“
using namespace cv;
//训练样本:红点、蓝点。待识别数据:绿点
int main(int argc char *argv[])
{
QCoreApplication a(argc argv);
// 用于保存可视化数据的矩阵
Mat image = Mat::zeros(512 512 CV_8UC3);
for(int i=0;i for(int j=0;j if(i image.ptr(i)[j]=Vec3b(25500);
else if(i<2*image.rows/3)
image.ptr(i)[j]=Vec3b(02550);
else
image.ptr(i)[j]=Vec3b(00255);
}
}
float labels[3] = {1.0 2.0 3.0};
Mat labelsMat(3 1 CV_32FC1 labels);
float trainingData[3][3] = {{25500} {02550} {00255}};
Mat trainingDataMat(3 3 CV_32FC1 trainingData);
// 设置SVM参数
CvSVMParams params;
params.svm_type = CvSVM::C_SVC;//C支持向量分类机允许用异常值惩罚因子C进行不完全分类
params.kernel_type = CvSVM::LINEAR;//使用线性内核
params.term_crit = cvTermCriteria(CV_TERMCRIT_ITER 100 1e-6);//迭代训练过程的中止条件
// 对SVM进行训练
CvSVM SVM;
SVM.train(trainingDataMat labelsMat Mat() Mat() params);
string str1=“blue“str2=“green“str3=“red“;
for (int i = 100; i < image.rows; i+=image.rows/3){
int j=10;
int c0=image.ptr(i)[j][0];
int c1=image.ptr(i)[j][1];
int c2=image.ptr(i)[j][2];
Mat sampleMat = (Mat_(13) << c0c1c2);
float result = SVM.predict(sampleMat);//进行分类
//结果处理
if (result == 1.0)
putText(imagestr1Point(ji)FONT_HERSHEY_SIMPLEX2Scalar(255255255)28);
else if(result == 2.0)
putText(imagestr2Point(ji)FONT_HERSHEY_SIMPLEX2Scalar(255255255)28);
else if(result == 3.0)
putText(imagestr3Point(ji)FONT_HERSHEY_SIMPLEX2Scalar(255255255)28);
}
imshow(“SVM分类“ image);
waitKey(0);
return a.exec();
}
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 2167 2015-11-08 22:53 CvSVMTest\SVM\main.cpp
文件 1256 2015-11-08 22:36 CvSVMTest\SVM\SVM.pro
文件 12461 2015-11-08 22:42 CvSVMTest\SVM\SVM.pro.user
文件 247507 2015-11-08 22:53 CvSVMTest\SVM-build-desktop\debug\main.o
文件 3989151 2015-11-08 22:53 CvSVMTest\SVM-build-desktop\debug\SVM.exe
文件 5954 2015-11-08 22:37 CvSVMTest\SVM-build-desktop\Makefile
文件 5564 2015-11-08 22:37 CvSVMTest\SVM-build-desktop\Makefile.Debug
文件 5610 2015-11-08 22:37 CvSVMTest\SVM-build-desktop\Makefile.Release
目录 0 2015-11-08 22:55 CvSVMTest\SVM-build-desktop\debug
目录 0 2015-11-08 22:55 CvSVMTest\SVM-build-desktop\release
目录 0 2015-11-08 22:55 CvSVMTest\SVM
目录 0 2015-11-08 22:55 CvSVMTest\SVM-build-desktop
目录 0 2015-11-08 22:55 CvSVMTest
----------- --------- ---------- ----- ----
4269670 13
相关资源
- 基于HOG特征提取的svm行人头肩训练
- 遗传算法优化支持向量机算法
- 经典的行人检测算法,利用HOG和SVM实
- 基于GA参数优化的在线学习SVM算法及其
- H.264 SVC FSVM测试模型
- 在Yale 人脸库上运用PCA+SVM的方法实现
- 利用PCA和SVM进行人脸识别
- 支持向量机回归算法的研究与应用
- SVM工具箱,用于数据的回归、预测以
- 图像分类SVM
- 基于 SVM 的中文微博情感分析的研究
- libsvm_V3.1_[FarutoUltimate3.1Mcode]
- SVM-支持向量机基本原理及应用
- 彩色图像的SVM分割,Opencv实现
- 支持向量机导论PDF 作者:Nello
- 《《数据挖掘中的新方法-支持向量机
- SVM车牌识别资料 libsvm
- SVMCLS 文本自动分类器可编译Release完整
- 数据挖掘中的新方法:支持向量机.
- 支持向量机导论英文版
- 留一法 LibSVM格式文件
- 浙江大学SVM(支持向量机)经典课件
- HOG_SVM_DATA
- svm源码实现
- 支持向量机导论+中文版-英文版
- LBP实验数据
- opencv图像分类样本
- 文本分类器,KNNSVM贝叶斯等都有
- 基于svm的中文文本自动分类系统的语
- 关于svm和神经网络相结合的论文-svm
评论
共有 条评论