最近一段时间，正在学习机器学习与模式识别，为了验证算法，仍然用了之前做过的项目的一些图片作为数据采集的样本，进行数据采集。前段时间，做了一个花生籽粒的识别程序，是基于SVM+HOG的，这次则是采用朴素贝叶斯来进行识别。采集了20个品种，每个品种50个样本，共1K个数据。

朴素贝叶斯分类器(Naive Bayes Classifier,或 NBC)发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率。同时，NBC模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。理论上，NBC模型与其他分类方法相比具有最小的误差率。但是实际上并非总是如此，这是因为NBC模型假设属性之间相互独立，这个假设在实际应用中往往是不成立的，这给NBC模型的正确分类带来了一定影响。

用于本次实验的部分图像如下所示：

Book* book = xlCreateBook();

	if (book->load("Data.xls"))
	{
		Sheet *sheet = book->getSheet(0);

		int myrow = sheet->lastRow();
		int mycol = sheet->lastCol();

		if (sheet)
		{
			CvMat* importMat = cvCreateMat(myrow, mycol, CV_32FC1);  //存储导入数据

			for (auto i = 0; i < myrow; ++i)
			{
				for (auto j = 0; j < mycol; j++)
				{
					double temp = sheet->readNum(i, j);
					cvSetReal2D(importMat, i, j, temp);
				}
			}// end for

			m_DataMat = cvCloneMat(importMat);
		}// end if
	}

	book->release();

	MessageBox("数据导入完成");

	CvMat* dataMat = cvCloneMat(m_DataMat);

	CvMat* lableMat = cvCreateMat(dataMat->rows, 1, CV_32FC1);		//构建样本的分类标签
	cvZero(lableMat);

	for (int i = 0; i < 20; ++i)			//共分了 20 个不同的种类
	{
		for (int j = 0; j < 50; ++j)		//每个品种共50个籽粒
		{
			cvSetReal2D(lableMat, i * 50 + j, 0, i + 1);
		}
	}

	CvNormalBayesClassifier nbc;
	nbc.train(dataMat, lableMat);
	nbc.save("bayes.txt");

	MessageBox("数据训练完成");

	CvMat* nbcResult = cvCreateMat(dataMat->rows, 1, CV_32FC1);
	CvMat* nbcRow = NULL;

	for (int i = 0; i < dataMat->rows; ++i)
	{
		nbcRow = cvCreateMat(1, dataMat->cols, CV_32FC1);

		for (int j = 0; j < dataMat->cols; ++j)
		{
			float temp = cvGetReal2D(dataMat, i, j);
			cvSetReal2D(nbcRow, 0, j, temp);
		}

		unsigned int ret = 0;
		ret = nbc.predict(nbcRow);
		cvSetReal2D(nbcResult, i, 0, ret);
		cvReleaseMat(&nbcRow);
		nbcRow = NULL;
	}

	int nCount = 0;

	for (int i = 0; i < 20; ++i)
	{
		for (int j = 0; j < 50; ++j)
		{
			int ret = cvGetReal2D(nbcResult, i * 50 + j, 0);
			if (ret == (i + 1))
			{
				++nCount;
			}
		}
	}

	float recognize = 100 * nCount / 20 / 50;

	CString str;
	str.Format("朴素贝叶斯 识别率为： %f", recognize);
	str = str + "%";
	MessageBox(str);

基于朴素贝叶斯的花生品种识别