Mat trainDataMat = Mat.ones((posAry.length+negAry.length)*posAry[0].length, 1, CvType.CV_32FC1),//ポジティブデータ行列
labelMat = Mat.ones((posAry.length+negAry.length)*posAry[0].length, 1, CvType.CV_32FC1),//ラベル
responseMat = Mat.ones(sample.length, sample[0].length, CvType.CV_32FC1),
sampleMat = Mat.ones(sample.length, sample[0].length, CvType.CV_32FC1);
int resultSVM = 0;
//１次元配列に変換
float [] posdata = new float[posAry.length*3+negAry.length*3];
float [] flagdata = new float[posAry.length*3+negAry.length*3];
int k=0;
for(int i=0;i<posAry.length;i++)
for(int j=0;j<3;j++) {posdata[k]=posAry[i][j];flagdata[k]=1; k++;}
for(int i=0;i<negAry.length;i++)
for(int j=0;j<3;j++) {posdata[k]=negAry[i][j];flagdata[k]=-1;k++;}
/* k=0;
float [] sampledata = new float[sample.length*3];
for(int i=0;i<sample.length;i++)
for(int j=0;j<3;j++) {sampledata[k]=sample[i][j]; k++;}
*/
//行列へマッピング
trainDataMat.put(0, 0, posdata);
labelMat.put(0, 0, flagdata);
System.out.print("posAry=" + trainDataMat.dump());
System.out.print("labelAry=" + labelMat.dump());
CvSVM classifier = new CvSVM();
CvSVMParams params = new CvSVMParams();
params.set_svm_type(CvSVM.C_SVC);
params.set_kernel_type(CvSVM.LINEAR);
//（中略）
// classifier.train(trainDataMat, responseMat, labelMat, sampleMat, params);
classifier.train(trainDataMat,labelMat);
//（中略）
// Mat resultMat = new Mat(4, 5, CvType.CV_32FC(5)),
// predictionMat = new Mat(4, 5, CvType.CV_32FC(5));
Mat resultMat = new Mat((posAry.length+negAry.length)*posAry[0].length, 1, CvType.CV_32FC1),
predictionMat = new Mat((posAry.length+negAry.length)*posAry[0].length, 1, CvType.CV_32FC1);
float result = classifier.predict(predictionMat);
//（中略）
double[] label = resultMat.get(N , M);
System.out.print(result);
//
//分類結果をint値で返す
//
return resultSVM;
}
}
resonse array must contain as many elements as the total number of samples in function cvPreprocessCategoricalResponses
→トレーニングデータの要素数と正誤ラベルデータの数が不一致だと発生
resonse array must be 1-dimensional in function cvPreprocessCategoricalResponses
→SVMに使うデータのうち、一つでも多次元のデータがあると発生。使うデータは全て１次元配列に調整する。（例えば4*5のデータならば20*1に変換してから使う）
Input sample must have 32fc1 type in function cvPreparePredictData
→使用データのタイプがCV_32FC1でなければならないのに、それ以外のタイプを指定したときに発生。
the sample size is different from what has been used for training in function cvPreparePredictData
→学習データとテストデータの特徴量数が不一致だと発生。
また、サンプルデータをpredictする場合は１次元データを使わなければならない。
