Libsvm工具箱主要提供了svmtrain 和 svmpredict函數，分別完成模型訓練以及根據訓練好的模型進行預測，其使用方法如下：

model = svmtrain (T,P,options);

其中輸入變量T表示的是訓練目標向量；輸入變量P表示的是訓練樣本向量；options表示的是SVM模型的參數配置輸入；輸出model表示根據輸入樣本進行SVM訓練后得到的SVM分類器。

[predict_lable, accuracy]=svmpredict(test_lable, test_data, model);

其中輸入變量test_data表示的是測試目標向量；輸入變量test_lable表示的是測試目標的正確預測值；輸入變量model表示的是訓練后的SVM分類器；輸出predict_lable表示的是當前測試樣本的預測結果；輸出accuracy表示的是預測正確率。

兩種SVM實現方式，有其各自的優缺點，其中Libsvm 工具箱可以進行快速的多目標預測和分類功能，因此更適合本課題的交通標志識別研究。因此，本文將使用Libsvm 工具箱來實現SVM訓練預測模型。

聯系：highspeedlogic

QQ ：1224848052

微信：HuangL1121

郵箱：1224848052@qq.com

網站：http://www.mat7lab.com/

網站：http://www.hslogic.com/

微信掃一掃：