首页 / 算法 / 阿布学排序之归并排序
阿布学排序之归并排序
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了阿布学排序之归并排序，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1631字，纯文字阅读大概需要3分钟。
内容图文
// test_max.cpp : 定义控制台应用程序的入口点。
//
#include "stdafx.h"
#include <cv.h>
#include <highgui.h>
#include <ml.h>
#include <cxcore.h>
#include <iostream>
using namespace std;
int main()
{
// step 1:
//训练数据的分类标记，即4类
float labels[16] = {1.0, 1.0,1.0,1.0,2.0,2.0,2.0,2.0,3.0,3.0,3.0,3.0,4.0,4.0,4.0,4.0};
CvMat labelsMat = cvMat(16, 1, CV_32FC1, labels);
//训练数据矩阵
float trainingData[16][2] = { {0, 0}, {4, 1}, {4, 5}, {-1, 6},{3,11},{-2,10},{4,30},{0,25},{10,13},{15,12},{25,40},{11,35},{8,1},{9,6},{15,5},{20,-1} };
CvMat trainingDataMat = cvMat(16, 2, CV_32FC1, trainingData);
// step 2:
//训练参数设定
CvSVMParams params;
params.svm_type = CvSVM::C_SVC; //SVM类型
params.kernel_type = CvSVM::LINEAR; //核函数的类型
//SVM训练过程的终止条件, max_iter:最大迭代次数 epsilon:结果的精确性
params.term_crit = cvTermCriteria(CV_TERMCRIT_ITER, 100, FLT_EPSILON );
// step 3:
//启动训练过程
CvSVM SVM;
SVM.train( &trainingDataMat, &labelsMat, NULL,NULL, params);
// step 4:
//使用训练所得模型对新样本进行分类测试
for (int i=-5; i<15; i++)
{
for (int j=-5; j<15; j++)
{
float a[] = {i,j};
CvMat sampleMat;
cvInitMatHeader(&sampleMat,1,2,CV_32FC1,a);
cvmSet(&sampleMat,0,0,i); // Set M(i,j)
cvmSet(&sampleMat,0,1,j); // Set M(i,j)
float response = SVM.predict(&sampleMat);
cout<<response<<" ";
}
cout<<endl;
}
// step 5:
//获取支持向量
int c = SVM.get_support_vector_count();
cout<<endl;
for (int i=0; i<c; i++)
{
const float* v = SVM.get_support_vector(i);
cout<<*v<<" ";
}
cout<<endl;
system("pause");
return 0;
}
原文：http://blog.csdn.net/hxysea/article/details/26224523
内容总结
以上是互联网集市为您收集整理的阿布学排序之归并排序全部内容，希望文章能够帮你解决阿布学排序之归并排序所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。
来源：【匿名】