首页 > 代码库 > libsvm的数据格式及制作
libsvm的数据格式及制作
1、libsvm数据格式
libsvm使用的训练数据和检验数据文件格式如下：
[label] [index1]:[value1] [index2]:[value2] … [label] [index1]:[value1] [index2]:[value2] …label 目标值，就是说class（属于哪一类），就是你要分类的种类，通常是一些整数。
index 是有顺序的索引，通常是连续的整数。就是指特征编号，必须按照升序排列
value 就是特征值，用来train的数据，通常是一堆实数组成。
即：
目标值 第一维特征编号：第一维特征值 第二维特征编号：第二维特征值 …目标值 第一维特征编号：第一维特征值 第二维特征编号：第二维特征值 ………目标值 第一维特征编号：第一维特征值 第二维特征编号：第二维特征值 …例如：5 1:0.6875 2:0.1875 3:0.015625 4:0.109375
表示训练用的特征有4维，第一维是0.6875，第二维是0.1875，第三维是0.015625，第四维是0.109375 目标值是5
注意：训练和测试数据的格式必须相同，都如上所示。测试数据中的目标值是为了计算误差用。
2、libsvm数据格式制作
该过程可以自己使用excel或者编写程序来完成，也可以使用网络上FormatDataLibsvm.xls来完成。FormatDataLibsvm.xls使用说明：
a.先将数据按照下列格式存放（注意label放最后面）：
value1 value2 … labelvalue1 value2 … label…value1 value2 … labelb.然后将以上数据粘贴到FormatDataLibsvm.xls中的最上角单元格，接着工具->宏->执行FormatDataToLibsvm宏。就可以得到libsvm要求的数据格式。
当然最方便的还是用程序生成，我这里有一个提取指定文件夹内各类样本文件夹内的图片的lbp特征值，并组织成libsvm所需的数据格式，写入txt文件中的程序：
/*Function:int prepareFeatsData(string samples_path, string outfile, char* class_samples, uchar* char_class, int nclass, string extens)Features：对指定的样本（数字和字母）的路径下的各个指定的样本文件进行特征提取，连同类编号依次存入outfile指定文件中。Attention:注意_finddata_t结构体和_findfirst函数的用法in-parameter:samples_path：所有样本归属的文件夹outfile：提取特征后写入的文件class_samples：各个样本的文件夹标记char_class：各样本的类别标记nclass：有多少类样本extens：样本文件的后缀扩展名（例如："*.png"）out-parameter:Return : 处理的样本总数Author: Mengjia Date：2017-1-5 16:05:47*/int prepareFeatsData(string samples_path, string outfile, char* class_samples, uchar* char_class, int nclass, string extens){ int itatol = 0; FILE *fp; fp = fopen(outfile.c_str(), "w+"); //train_samples\\train_lbp.txt long hFile;//int nn=0; for (int nsamp = 0; nsamp < nclass; nsamp++) { string cur_folder = samples_path; cur_folder += ‘\\‘; cur_folder += class_samples[nsamp];//样本的文件夹标记 cur_folder += ‘\\‘; string findfile = cur_folder; findfile += extens;//所要寻找的文件格式全路径 struct _finddata_t img_file; if ((hFile = _findfirst(findfile.c_str(), &img_file)) == -1L)//"rawdata/*.png" { printf("no %s files in directory :%s\n", extens.c_str(), findfile.c_str()); //printf(findfile.c_str()); } do { string filename = cur_folder; filename += img_file.name; IplImage* pImg = cvLoadImage(filename.c_str(), CV_LOAD_IMAGE_UNCHANGED); if (pImg) { //nn++; itatol++; IplImage* pBImg = alignmentImg(pImg); IplImage* standarImg = sizeNormalization(pBImg, 32, 64); int scale_flag = SCALE_LBP_FEATURES; CvMat* lbp_feats = LBP_features(standarImg, 8, 8, 4, scale_flag); if (scale_flag == SCALE_LBP_FEATURES) { double*pData = http://www.mamicode.com/(double*)(lbp_feats->data.db); fprintf(fp, "%d ", char_class[nsamp]); //写入样本类别 for (int i = 0; i < lbp_feats->cols * lbp_feats->rows; i++) { if (pData[i] != 0.) fprintf(fp, "%d%s%g ", i + 1, ":", pData[i]); //按格式写入特征 } fprintf(fp, "\t\n"); } else { uchar*pData = http://www.mamicode.com/(uchar*)(lbp_feats->data.ptr); fprintf(fp, "%d ", char_class[nsamp]); //写入样本类别 for (int i = 0; i < lbp_feats->cols * lbp_feats->rows; i++) { if (pData[i] != 0.) fprintf(fp, "%d%s%d ", i + 1, ":", pData[i]); //按格式写入特征 } fprintf(fp, "\t\n"); } cvReleaseMat(&lbp_feats); cvReleaseImage(&pBImg); cvReleaseImage(&standarImg); cvReleaseImage(&pImg); } } while (_findnext(hFile, &img_file) == 0); _findclose(hFile); } fclose(fp); printf("total samples = %d\n", itatol); return itatol;}
以上。
libsvm的数据格式及制作
声明：以上内容来自用户投稿及互联网公开渠道收集整理发布，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任，若内容有误或涉及侵权可进行投诉： 投诉/举报 工作人员会在5个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。