C++ 八度音阶中的LIBSVM-SVM-如何使用从；svmtrain“；

嗨，我以前有人工神经网络的背景，我是用八度音阶做的。我成功地把网络从八度转换成C++。p>

w = (model.sv_coef' * full(model.SVs));
bias = -model.rho;
predictions = sign(inputMiss * w' + bias);

我的方法是从网络返回的参数（WIWE矩阵和偏置矩阵），并将其复制到C++参数，并进行正确的计算。

w = (model.sv_coef' * full(model.SVs));
bias = -model.rho;
predictions = sign(inputMiss * w' + bias);

现在我开始在八度音阶中使用svm，我成功地使用LIBSVM进行训练

w = (model.sv_coef' * full(model.SVs));
bias = -model.rho;
predictions = sign(inputMiss * w' + bias);

以下是培训代码：

model = svmtrain(vOutput, vInput,'-g 1 -c 100 ' ); 

w = (model.sv_coef' * full(model.SVs));
bias = -model.rho;
predictions = sign(inputMiss * w' + bias);

以及预测验证组（新组）的结果 下面是predict的代码：

[predicted_label, accuracy, dec_values] = svmpredict(targetHit', inputHit, model); 

w = (model.sv_coef' * full(model.SVs));
bias = -model.rho;
predictions = sign(inputMiss * w' + bias);

这工作做得很好。。但是我需要用C++来做，所以我想知道如何在不使用SvMeMevestBuffic函数的情况下预测结果。

w = (model.sv_coef' * full(model.SVs));
bias = -model.rho;
predictions = sign(inputMiss * w' + bias);

我在列车后得到的参数是：

fieldnames(model)
ans =
{
  [1,1] = Parameters
  [2,1] = nr_class
  [3,1] = totalSV
  [4,1] = rho
  [5,1] = Label
  [6,1] = sv_indices
  [7,1] = ProbA
  [8,1] = ProbB
  [9,1] = nSV
  [10,1] = sv_coef
  [11,1] = SVs
} 

w = (model.sv_coef' * full(model.SVs));
bias = -model.rho;
predictions = sign(inputMiss * w' + bias);

但我不知道如何使用这个参数。 如果有人能帮助我，并向我解释如何在不使用svmpredict功能的情况下手动使用参数

w = (model.sv_coef' * full(model.SVs));
bias = -model.rho;
predictions = sign(inputMiss * w' + bias);

好的，我发现这个代码：

w = (model.sv_coef' * full(model.SVs));
bias = -model.rho;
predictions = sign(inputMiss * w' + bias);

---

但它与svmpredict的结果不兼容

此代码应该可以帮助您：

w = (model.sv_coef' * full(model.SVs));
bias = -model.rho;
predictions = sign(inputMiss * w' + bias);

w = (model.sv_coef' * full(model.SVs));
bias = -model.rho;
predictions = sign(inputMiss * w' + bias);

但它与svmpredict->它应该适合的结果不兼容（请再次检查）

w = (model.sv_coef' * full(model.SVs));
bias = -model.rho;
predictions = sign(inputMiss * w' + bias);