libsvm移植到cc++中

现在先写一个测试libsvm的简单程序，程序参考了libsvm自带的svm-toy。现在要解决的问题是一个二类分类问题。样本总共有120个，每个样本只有两个特征。首先划分好训练集与测试集。训练集取用其中的80个（正、负样本各40），余下的则作为测试集。数据分别存入train.txt和test.txt中。

 

#include <stdio.h>

#include <ctype.h>

#include <list>

#include "svm.h"    //包涵本目录下的SVM.H头文件

#include <fstream>

#include "iostream.h"

 

using std::ifstream;

void main()

{

    /*

    struct svm_problem

    {

        int l;

        double *y;

        struct svm_node **x;

    };

    struct svm_node

    {

        int index;

        double value;

    };

    */

    ifstream inFile;

    ifstream inFile1;

    svm_problem prob;                    //建立SVM数据

    prob.l=80;                            //80个样本，前40个为正样本，

    double d[40];

    int probfeature=2;                    //样本特征维数

    prob.y=new double[prob.l];

    svm_parameter param;

 

    //svm参数设置

    param.svm_type = C_SVC;

    param.kernel_type = RBF;

    param.degree = 3;

    param.gamma = 0.0001;

    param.coef0 = 0;

    param.nu = 0.5;

    param.cache_size = 100;

    param.C = 10;

    param.eps = 1e-5;

    param.p = 0.1;

    param.shrinking = 1;

    param.probability = 0;

    param.nr_weight = 0;

    param.weight_label = NULL;

    param.weight = NULL;

 

 

        //分类

        if(param.gamma == 0) param.gamma = 0.5;                //gamma for  poly/rbf/sigmoid

        svm_node *x_space = new svm_node[(probfeature+1) * prob.l];       //样本特征存储空间

        prob.x = new svm_node *[prob.l];                    //没一个X指向一个样本

        //数据填充开始

         inFile.open("train.txt");                            //打开训练数据文件

 

        for(int i=0;i<prob.l;i++)

        {

        /**/

            float fvalue;

            for (int j=0;j<probfeature;j++)

            {

                inFile>>fvalue;

                if(fvalue!=0.0)

                {

                    x_space[(probfeature+1)*i+j].index=j+1;

                    x_space[(probfeature+1)*i+j].value=fvalue;

                }

            }

            x_space[(probfeature+1)*i+probfeature].index=-1;

            prob.x[i]=&x_space[(probfeature+1)*i];

            if (i<40)                                        //类别标签

                prob.y[i]=1;

            else

                prob.y[i]=-1;

        }

        inFile.close();                                        //关闭文件

 

        //数据填充结束

        // build model & classify

        svm_model *model = svm_train(&prob, ¶m);    //开始训练

        int test_num=40;

        inFile1.open("test.txt");

        svm_node x[3];                                    //定义一个测试样本

 

        for(int i1=0;i1<test_num;i1++)

        { 

            float fvalue;

            for (int j=0;j<2;j++)

            {

                inFile1>>fvalue;

                if(fvalue!=0.0)

                {

                    x[j].index=j+1;

                    x[j].value=fvalue;

                }

            }    

            x[2].index=-1;

         d[i1]=svm_predict(model,x);

        }

        inFile1.close();

        svm_destroy_model(model);

        delete[] x_space;

        delete[] prob.x;

        delete[] prob.y;    

 

}

 

本文来自博客，转载请标明出处：http://blog.csdn.net/fangfxy/archive/2008/03/17/2191274.aspx