模式识别 - libsvm的函数调用方法 具体解释

libsvm的函数调用方法 具体解释

本文地址: http://blog.csdn.net/caroline_wendy/article/details/26261173

须要载入(load)SVM的模型, 然后将结点转换为SVM的格式, 即索引(index)+数据(value)的形式;

释放SVM的model有专用的函数: svm_free_and_destroy_model, 否则easy内存泄露;

能够预測数据的概率, 则须要模型是概率模型, 返回的是一个类别数组(2分类, 则为2个值的数组), 即各个标签的概率值;

注意: 标签即概率值较大的部分, 所以在训练时, 应注意正负样本的顺序, 

正样本在前, 下标0, 为正样本的概率, 下标1, 为负样本的概率; 反之亦然.

代码:

/*! @file
********************************************************************************
<PRE>
模块名 : 分类器
文件名称 : SvmClassifier.cpp
相关文件 : SvmClassifier.h
文件实现功能 : SVM分类器类实现
作者 : C.L.Wang
Email: [email protected]
版本号 : 1.0
--------------------------------------------------------------------------------
多线程安全性 : 是
异常时安全性 : 是
--------------------------------------------------------------------------------
备注 : 无
--------------------------------------------------------------------------------
改动记录 :  
日 期              版本号   改动人         改动内容 
2014/03/27  1.0    C.L.Wang        Create
</PRE>
********************************************************************************

* 版权全部(c) C.L.Wang, 保留全部权利

*******************************************************************************/

#include "stdafx.h"

#include "SvmClassifier.h"

#include <opencv.hpp>

using namespace std;
using namespace cv;
using namespace vd;

const std::string SvmClassifier::NORM_NAME = "normalization.xml"; //归一化模型
const std::string SvmClassifier::SVM_MODEL_NAME = "hvd.model"; //Svm模型
bool SvmClassifier::m_mutex = true; //相互排斥锁

/*! @function
********************************************************************************
<PRE>
函数名 : SvmClassifier
功能 : 參数构造函数
參数 : 
const Mat& _videoFeature, 视频特征; 
const string& _modelPath, 模型路径;
返回值 : 无
抛出异常 : 无
--------------------------------------------------------------------------------
复杂度 : 无
备注 : 无
典型使用方法 : SvmClassifier iSF(_videoFeature, _modelPath);
--------------------------------------------------------------------------------
作者 : C.L.Wang
</PRE>
*******************************************************************************/ 
SvmClassifier::SvmClassifier (
  const cv::Mat& _videoFeature, /*特征*/
  const std::string& _modelPath /*模型路径*/
  ) :
  Classifier(_videoFeature, _modelPath),
  m_model(nullptr),
  m_node(nullptr)
{
  return;
}

/*! @function
********************************************************************************
<PRE>
函数名 : ~SvmClassifier
功能 : 析构函数
參数 : void
返回值 : 无
抛出异常 : 无
--------------------------------------------------------------------------------
复杂度 : 无
备注 : 无
典型使用方法 : iSC.~SvmClassifier();
--------------------------------------------------------------------------------
作者 : C.L.Wang
</PRE>
*******************************************************************************/ 
SvmClassifier::~SvmClassifier (void)
{
  if (m_model != nullptr) {
    svm_free_and_destroy_model(&m_model);
  }

  if (m_node != nullptr) {
    delete[] m_node;
    m_node = nullptr;
  }

  return;
}

/*! @function
********************************************************************************
<PRE>
函数名 : calculateResult
功能 : 计算分类结果
參数 : void
返回值 : const double, 分类结果
抛出异常 : 无
--------------------------------------------------------------------------------
复杂度 : 无
备注 : 无
典型使用方法 : result = iSC.calculateResult();
--------------------------------------------------------------------------------
作者 : C.L.Wang
</PRE>
*******************************************************************************/ 
const double SvmClassifier::calculateResult (void)
{
  double result(0.0);

  while(1) {
    if (m_mutex == true) 
    {
      m_mutex = false;
      _initModel();

      result = _predictValue();

      if (m_model != nullptr) {
        svm_free_and_destroy_model(&m_model);
      }

      if (m_node != nullptr) {
        delete[] m_node;
        m_node = nullptr;
      }
      m_mutex = true;
      break;
    }
  }

  return result;
}

/*! @function
********************************************************************************
<PRE>
函数名 : _predictValue
功能 : 预測值
參数 : void
返回值 : const double, 预測值;
抛出异常 : 无
--------------------------------------------------------------------------------
复杂度 : 无
备注 : 无
典型使用方法 : result = _predictValue();
--------------------------------------------------------------------------------
作者 : C.L.Wang
</PRE>
*******************************************************************************/ 
const double SvmClassifier::_predictValue (void) const
{
  double label (0.0);
  double prop (0.0);
  const int nr_class (2);
  double* prob_estimates = (double *) malloc(nr_class*sizeof(double));

  label = svm_predict_probability(m_model, m_node, prob_estimates);
  prop = prob_estimates[0]; //返回预測概率值

  delete[] prob_estimates;

  return prop;
}

/*! @function
********************************************************************************
<PRE>
函数名 : _initModel
功能 : 初始化模型
參数 : void
返回值 : void
抛出异常 : 无
--------------------------------------------------------------------------------
复杂度 : 无
备注 : 无
典型使用方法 : _initModel();
--------------------------------------------------------------------------------
作者 : C.L.Wang
</PRE>
*******************************************************************************/ 
void SvmClassifier::_initModel (void)
{
  /*完整路径*/

  std::string modelName (m_modelPath); //模型名称
  std::string normName (m_modelPath); //归一化名称

  const std::string slash("/");

  modelName.append(slash);
  modelName.append(SVM_MODEL_NAME);

  normName.append(slash);
  normName.append(NORM_NAME);

  std::ifstream ifs;
  ifs.open(modelName, ios::in);
  if (ifs.fail()) {
    __printLog(std::cerr, "Failed to open the model file!");
  }
  ifs.close();

  ifs.open(normName, ios::in);
  if (ifs.fail()) {
    __printLog(std::cerr, "Failed to open the model file!");
  }
  ifs.close();

  if (m_model != nullptr) {
    svm_free_and_destroy_model(&m_model);
  }
  m_model = svm_load_model(modelName.c_str());

  __transSvmNode(normName);

  return;
}

/*! @function
********************************************************************************
<PRE>
函数名 : __transSvmNode
功能 : 转换Svm结点
參数 : const string& normName, 归一化模型路径
返回值 : void
抛出异常 : 无
--------------------------------------------------------------------------------
复杂度 : 无
备注 : 无
典型使用方法 : __transSvmNode(normName);
--------------------------------------------------------------------------------
作者 : C.L.Wang
</PRE>
*******************************************************************************/ 
void SvmClassifier::__transSvmNode (const std::string& _normName)
{
  cv::FileStorage fs(_normName, FileStorage::READ);
  cv::Mat maxNorm;
  fs["normalization"] >> maxNorm;
  fs.release(); 

  /*归一化视频特征*/

  cv::Mat normFeature = 
    cv::Mat::zeros(1, maxNorm.cols-2, CV_64FC1);

  for (int j=2; j<m_videoFeature.cols; ++j) {
    for(int i=0; i<m_videoFeature.rows; ++i) {
      normFeature.at<double>(0, j-2) += m_videoFeature.at<double>(i, j);
    }
  }

  for (int j=0; j<normFeature.cols; ++j)
  {
    normFeature.at<double>(0, j) /= m_videoFeature.rows;
    if (maxNorm.at<double>(0, j+2) > 0.0001)
      normFeature.at<double>(0, j) /= maxNorm.at<double>(0, j+2);
  }
  normFeature.at<double>(0,0) = 0.0;

  if (m_node != nullptr) {
    delete[] m_node;
    m_node = nullptr;
  }

  m_node = new svm_node[normFeature.cols];
  for (int j=1; j < normFeature.cols; ++j) {
    m_node[j-1].index = j;
    m_node[j-1].value = normFeature.at<double>(0, j);
  }

  m_node[normFeature.cols-1].index = -1;
  m_node[normFeature.cols-1].value = 0;

  return;
}