C++ 如何在OpenCV-SVM中得到分离超平面?
我试图得到与SVM相关联的超平面。为了简单起见,让我们使用假设 在这里,他们通过以下方式使用样本输出集合构建“图像”:C++ 如何在OpenCV-SVM中得到分离超平面?,c++,opencv,svm,C++,Opencv,Svm,我试图得到与SVM相关联的超平面。为了简单起见,让我们使用假设 在这里,他们通过以下方式使用样本输出集合构建“图像”: // Show the decision regions given by the SVM Vec3b green(0,255,0), blue (255,0,0); for (int i = 0; i < image.rows; ++i) { for (int j = 0; j < image.cols; ++j) { Mat sa
// Show the decision regions given by the SVM
Vec3b green(0,255,0), blue (255,0,0);
for (int i = 0; i < image.rows; ++i)
{
for (int j = 0; j < image.cols; ++j)
{
Mat sampleMat = (Mat_<float>(1,2) << j,i);
float response = svm->predict(sampleMat);
if (response == 1)
image.at<Vec3b>(i,j) = green;
else if (response == -1)
image.at<Vec3b>(i,j) = blue;
}
}
//显示SVM给出的决策区域
Vec3b绿色(0255,0),蓝色(255,0,0);
对于(int i=0;i
绿色和蓝色类之间的线显示为分隔超平面
现在,我的问题是:如何获取这条线作为点向量或cv::Mat进行进一步处理?您可以使用getSupportVector函数检索支持向量,使用getDecisionFunction函数检索决策函数的标量偏差 我假设您只需要线性支持向量机的分离边界,因为非线性情况要复杂得多 在这种情况下,分离面由类型为W*X+b=0的方程给出。 您可以很容易地找到W和b参数:所有支持向量的总和为W,b是getDecisionFunction(0)返回的值 计算W向量的代码应如下所示(未测试):
Mat W(sv.cols,1,CV_32F,0);
对于(int r=0;rDo),您需要从图像中找到超平面坐标,或者从svm参数中找到超平面坐标?从svm参数中找到超平面坐标。感谢您的回答。我正在寻找cv::svm类的加权支持向量,我意识到在新的3.0 API中,getSupportVectors()
给出加权支持向量本身。
Mat W(sv.cols, 1, CV_32F, 0);
for(int r=0; r<sv.rows; ++r)
{
for(int c=0; c<sv.cols; ++c)
{
W.at<float>(c)+=sv.at<float>(r,c);
}
}
Point pt1(0, b/W.at<float>(1));
Point pt2(b/W.at<float>(0));
line(image, pt1, pt2, color);