Armily的专栏

总体思路：1、提取正负样本hog特征2、投入svm分类器训练，得到model3、由model生成检测子4、利用检测子检测负样本，得到hardexample5、提取hardexample的hog特征并结合第一步中的特征一起投入训练，得到最终检测子。深入研究hog算法原理：一、hog概述        Histograms of Oriented Gradien

libSVM是台湾大学林智仁教授等研究人员开发的一个用于支持向量机分类，回归分析及分布估计的c/c++开源库。另外，它也可以用于解决多类分类问题。 libSVM最新的版本是2011年4月发布的3.1版。林智仁教授设计开发该SVM库的目的是为了让其它非专业人士可以更加方便快捷的使用SVM这个统计学习工具。libSVM提供了一些简单易用的接口，从而使得用户可以方便的使用，而不必关心其内部复杂的数学模型

LibSVM是台湾 林智仁(Chih-Jen Lin) 教授2001年开发的一套支持向量机的库，这套库运算速度还是挺快的，可以很方便的对数据做分类或回归。由于libSVM程序小，运用灵活，输入参数少，并且是开源的，易于扩展，因此成为目前国内应用最多的SVM的库。这套库可以从http://www.csie.ntu.edu.tw/~cjlin/免费获得，目前已经发展到2.89版。下载.zip格式的

LibSVM是以源代码和可执行文件两种方式给出的。如果是Windows系列操作系统，可以直接使用软件包提供的程序，也可以进行修改编译；如果是Unix类系统，必须自己编译，软件包中提供了编译格式文件，我们在SGI工作站(操作系统IRIX6.5)上，使用免费编译器GNU C++3.3编译通过。LIBSVM使用的数据格式该软件使用的训练数据和检验数据文件格式如下： : : ...其中 是

这帖子就是初步教教刚接触libsvm（svm）的同学如何利用libsvm进行分类预测，关于参数寻优的问题在这里姑且不谈，另有帖子详述。其实使用libsvm进行分类很简单，只需要有属性矩阵和标签，然后就可以建立分类模型（model），然后利用得到的这个model进行分类预测了。那神马是属性矩阵？神马又是标签呢？我举一个直白的不能在直白的例子：说一个班级里面有两个男生（男生1、男生2），两

1、从http://www.csie.ntu.edu.tw/~cjlin/libsvm/下载最新的libsvm-3.12库(libsvm-3.12.tar.gz或libsvm-3.12.zip)，将其放到F:\libsvm文件夹下解压缩，生成一个libsvm-3.12文件夹；2、从http://www.gnuplot.info/下载最新的gnuplot即gp460-win32-setup.ex

本文将粗略解释如何使用libSVM程序，使用SVM的流程大概就是：   （1）准备数据并做成指定的格式（有必要时许svm_scale）    （2）用svm-train来训练成model     （3）对新的输入，使用svm-predict来预测新数据的类（class）      下面分别解释svm-train以及svm-predict的用法      （1）svm-tra

问: 我在那里能够找到libsvm的文件 ?软件包中有一个 README 文件，里面详细说明了所有参数选项、数据格式以及库函数的调用。在python目录下，模型选择工具和python界面的libsvm各有一个README文件。 初学者可以通过A practical guide to support vector classification 了解如何训练和检验数据.论文LIBSVM

版权声明：本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com前言：又有很长的一段时间没有更新博客了，距离上次更新已经有两个月的时间了。其中一个很大的原因是，不知道写什么好-_-，最近一段时间看了看关于 SVM(Support Vec

最近遇到一个多分类的问题，在网上查了些有关SVM的资料，这篇日志是来自：http://wenku.baidu.com/view/81c3e210f18583d0496459f0.html  自己写代码实现了下，感觉很好使，作为一个学习的例子，放在自己的博客里，供以后查阅使用。         #include "stdafx.h"#include "cv.h"#include "h

在人脸检测中，我们一般利用训练好的XML文件去预测图像中是否存在人脸，那么XML文件是如何得到的，按照人脸的XML文件，它应该是提取样本的Haar特征，利用某个机器学习方法，最终得到的。本文主要讨论如何得到自己的XML文件。         在机器学习中，首先应该是采集样本，然后提取他们的特征，本人主要利用HOG特征进行实验。1、采集样本图像（正样本和负样本），将其归一化到一个的尺度，

转自 http://blog.youkuaiyun.com/carson2005/article/details/7841443 之前介绍过Hog特征(http://blog.youkuaiyun.com/carson2005/article/details/7782726)，也介绍过SVM分类器（http://blog.youkuaiyun.com/carson2005/article/details/6453502 ）；

版权声明：    本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com一、线性分类器：    首先给出一个非常非常简单的分类问题（线性可分），我们要用一条直线，将下图中黑色的点和白色的点分开，很显然，图上的这条直线就是我们要求的直线之一（

地址：http://blog.youkuaiyun.com/carson2005/article/details/6527055    libSVM是台湾大学林智仁教授等研究人员开发的一个用于支持向量机分类，回归分析及分布估计的c/c++开源库。另外，它也可以用于解决多类分类问题。 libSVM最新的版本是2011年4月发布的3.1版。林智仁教授设计开发该SVM库的目的是为了让其它非专业人士可以更加方

转自：http://blog.youkuaiyun.com/liulina603/article/details/8289625这里总结网上自己找到的资料，搞一个简单的框架供大家参考一下。OpenCV官方的SVM代码在http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/ml/introduction_to_svm/introducti

学习SVM，首先通过http://zh.wikipedia.org/wiki/SVM，再通过博客http://blog.youkuaiyun.com/yang_xian521/article/details/6969904OpenCV开发SVM算法是基于LibSVM软件包开发的，LibSVM是台湾大学林智仁(Lin Chih-Jen)等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件

#include #include #include #include#include#include #include #include #include using namespace std;using namespace boost;#define WIDTH 20#define HEIGHT 20int main( ){

转自：http://www.cnblogs.com/wszzdyyp/archive/2012/10/14/2723548.html一、网上一些参考资料　　     在博客目标检测学习_1(用opencv自带hog实现行人检测) 中已经使用了opencv自带的函数detectMultiScale()实现了对行人的检测，当然了，该算法采用的是hog算法，那么hog算法是怎样实现的呢？这一节就

鉴于libSVM中的readme文件有点长，而且，都是采用英文书写，这里，我把其中重要的内容提炼出来，并给出相应的例子来说明其用法，大家可以直接参考我的代码来调用libSVM库。第一部分，利用libSVM自带的简易工具来演示SVM的两类分类过程。（以下内容只是利用libSVM自带的一个简易的工具供大家更好的理解SVM，如果你对SVM已经有了一定的了解，可以直接跳过这部分内容）首先，你要了解

犹记得开题报告之际，我在报告中提出了采用线性SVM进行分类，胡老师提出问题，让我解释什么是线性SVM，而我却解释不清楚，顿时特别尴尬，后来查阅了比较多的相关内容，希望能有所感悟。下面开始讨论正题：       支持向量机 (SVM)是一个类分类器，正式的定义是一个能够将不同类样本在样本空间分隔的超平面。换句话说，给定一些标记(label)好的训练样本 (监督式学习),SVM算法输出一个最优