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 … label
value1 value2 … label
…
value1 value2 … label
b.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\\
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 = (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 = (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);fprintf格式
_findclose(hFile);
}
fclose(fp);
printf("total samples = %d\n", itatol);
return itatol;
}
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论