我使用SURF和BOW训练了SVM，现在无论我预测什么图像，它总是返回1，即使是负样本图像也返回1作为输出

以下是SVM的参数设置：

CvSVMParams Params;Params.svm_type=CvSVM::C_SVC;Params.kernel_type=CvSVM::LINEAR;Params.term_crit = cvTermCriteria(CV_TERMCRIT_ITER, 100, 1e-6);Params.gamma=3;CvSVM svm;svm.train(training_mat,labels,cv::Mat(),cv::Mat(),Params);

这是我的预测代码：

predict_img = cvLoadImage("ss.jpg",0);detector.detect(predict_img, keypoint2);RetainBestKeypoints(keypoint2, 20);dextract.compute( predict_img, keypoint2, descriptors_2);Mat my_img_3 = descriptors_2.reshape(1,1);float response = svm.predict(my_img_3);cout<<response;

这是初始化代码：

BOWImgDescriptorExtractor dextract(extractor,matcher);SurfFeatureDetector detector(500);

回答：

你应该检查是否设置了足够大的C值（在你的代码中没有看到，所以应该按照OpenCV文档设置为1000），以强制生成一个合理的模型。你应该尝试许多不同的值，对于许多实际问题，甚至需要使用10^10量级的C值。如果C值太小，SVM将简单地寻找一个具有小范数的超平面，而不真正关注正确的分类。在OpenCV实现中可以通过Cvalue参数访问这个值。

Params.gamma=3;

尽管这不会导致错误，但你不需要设置gamma值，因为在线性核中不使用它，它仅在RBF核中需要。

你还应该确保训练的正样本和负样本数量相似（或者使用某种类权重技术），因为这也可能导致“平凡”的模型。