支持向量机c++实现

最新推荐文章于 2025-06-02 18:39:57 发布

原创

最新推荐文章于 2025-06-02 18:39:57 发布 · 6.8k 阅读

56 ·

CC 4.0 BY-SA版权

文章标签：

#支持向量机

博主参考李航的《统计学习方法》和JC Platt的《Sequential Minimal Optimization》实现了支持向量机的训练算法，提供了数据集链接供读者验证和学习，欢迎交流指正。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本人参考李航《统计学习方法》，以及 JC Platt《Sequential Minimal Optimization: A Fast Algorithm for Training Support Vector Machines》实现了一个简易的支持向量机求解方法，采用数据集如链接所示，若发现有问题或不足之处，还忘各位不吝赐教。

数据集： http://download.youkuaiyun.com/download/wz2671/10172405

main.cpp

#include <Windows.h>
#include "SVM.h"
#include "matrix.h"
#include "mat.h"
#include <iostream>
#pragma comment(lib, "libmat.lib")
#pragma comment(lib, "libmx.lib")
using namespace std;

const int fn = 13;
const int sn1 = 59;
const int sn2 = 71;
const int sn3 = 48;
const int sn = 178;

int readData(double* &data, double* &label)
{
	MATFile *pmatFile = NULL;
	mxArray *pdata = NULL;
	mxArray *plabel = NULL;

	int ndir;//矩阵数目
			 //读取数据文件
	pmatFile = matOpen("wine_data.mat", "r");
	if (pmatFile == NULL) return -1;
	/*获取.mat文件中矩阵的名称
	char **c = matGetDir(pmatFile, &ndir);
	if (c == NULL) return -2;
	*/
	pdata = matGetVariable(pmatFile, "wine_data");
	data = (double *)mxGetData(pdata);
	matClose(pmatFile);
	//读取类标
	pmatFile = matOpen("wine_label.mat", "r");
	if (pmatFile == NULL) return -1;
	plabel = matGetVariable(pmatFile, "wine_label");

	label = (double *)mxGetData(plabel);
	matClose(pmatFile);

}

int main()
{
	double *data ;
	double *label;
	readData(data, label);

	//需要注意从.mat文件中读取出的数据按列存储
	double *d;
	double *l;
	SVM svm;
	
	//第一组数据集与第二组数据集 预处理
	l = new double[sn1 + sn2];
	for(int i=0; i<sn1+sn2; i++)
	{
		if (fabs(label[i] - 2)<1e-3) l[i] = -1;
		else l[i] = 1;
	}
	d = new double[(sn1 + sn2)*fn];
	for (int i = 0; i < fn; i++)
	{
		for (int j = 0; j < sn1+sn2; j++)
		{
			d[j*fn + i] = data[i*sn + j];
		}
	}
	/*
	for (int i = 0; i < sn1 + sn2; i++)
	{
		for (int j = 0; j < fn; j++)
		{
			cout << d[i*fn + j] << ' ';
		}
		cout << endl;
	}
	*/
	svm.initialize(d, l, sn1+sn2, fn);
	svm.SMO();
	cout << "数据集1和数据集2";
	svm.show();
	delete l;
	delete d;
	
	//第二组数据集与第三组数据集
	l = new double[sn2 + sn3];
	for (int i = sn1; i < sn1 + sn2 + sn3; i++)
	{
		if (fabs(label[i] - 2) < 1e-3) l[i-sn1] = 1;
		else if (fabs(label[i] - 3) < 1e-3) l[i-sn1] = -1;
	}
	d = new double[(sn2 + sn3)*fn];
	for (int i = 0; i < fn; i++)
	{
		for (int j = sn1; j < sn; j++)
		{
			d[(j - sn1)*fn + i] = data[i*sn + j];
		}
	}
	
	svm.initialize(d, l , sn2+sn3, fn);
	svm.SMO();
	cout << "\n数据集2和数据集3";
	svm.show();
	delete l;
	delete d;
	
	//第一组数据集和第三组数据集
	l =