我正在使用MS Visual Studio 2008、OpenCV、C++和SVM进行OCR项目。我已经生成了一个包含超过2000个机器打印字符样本的数据集。当我使用线性核进行测试时，准确率总是达到96.36%。

我在OpenCV中如何使用SVM可以在这个线程中找到参考。

现在我尝试使用RBF核，并遇到了以下两个问题：

(1) 无论我使用什么参数（C和gamma），所有字符总是被分类为0（零）。如果我用MNIST测试，所有数字都是9。

我希望有OpenCV和SVM经验的人能向我解释。我知道还有其他一些很好的机器学习和图像处理框架，比如ACCORD.NET，但我已经使用了C++，将整个程序转换成C#会很麻烦（OCR只是其中的一部分）。

OpenCV的版本是2.3.1。

(2) 根据etarion的建议，我将这个问题移到了另一个问题中。如果你有时间，请查看：Visual Studio在OpenCV的SVM训练方法中报告错误C2664。

回答：

理论上，在正确的参数下，RBF核的表现至少与线性核一样好。因此，我将列出常见的问题来源：

• 你可能遇到了数值困难。你是否对数据进行了归一化？每个特征是否在0到1之间？或者-1到1之间？实际决策值的数值范围是什么？特征值的范围是什么？

• 你是否高估了线性分类器的性能（即在相同的数据上进行测试和训练）？

• 你的多类表示是否存在缺陷。对于两个类的问题而不是十个类的问题，是否仍然存在相同的性能差异？