Libsvm工具箱主要提供了svmtrain 和 svmpredict函数，分别完成模型训练以及根据训练好的模型进行预测，其使用方法如下：

model = svmtrain (T,P,options);

其中输入变量T表示的是训练目标向量；输入变量P表示的是训练样本向量；options表示的是SVM模型的参数配置输入；输出model表示根据输入样本进行SVM训练后得到的SVM分类器。

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

其中输入变量test_data表示的是测试目标向量；输入变量test_lable表示的是测试目标的正确预测值；输入变量model表示的是训练后的SVM分类器；输出predict_lable表示的是当前测试样本的预测结果；输出accuracy表示的是预测正确率。

两种SVM实现方式，有其各自的优缺点，其中Libsvm 工具箱可以进行快速的多目标预测和分类功能，因此更适合本课题的交通标志识别研究。因此，本文将使用Libsvm 工具箱来实现SVM训练预测模型。

联系：highspeedlogic

QQ ：1224848052

微信：HuangL1121

邮箱：1224848052@qq.com

网站：http://www.mat7lab.com/

网站：http://www.hslogic.com/

微信扫一扫：