我需要训练一个支持向量机模型，我想使用自定义的核矩阵，而不是预设的核（如RBF、Poly等）。我能否使用opencv的机器学习库来实现这一点（如果可能的话）？

谢谢你！

回答：

据我所知，OpenCV并不直接支持SVM的自定义核。这是因为OpenCV所使用的底层库LIBSVM，并没有提供定义自定义核的简单方法。因此，许多使用LIBSVM的封装库也不提供这一功能。似乎有一些例外，例如Python的scikit：scikit的SVM自定义核示例

你也可以看看完全不同的库，比如SVMlight。它直接支持自定义核。另外，你可以参考这个Stack Overflow问题。那里的回答包括了一些SVM库及其简短的评论。

如果你有充分的理由坚持使用OpenCV，你可以通过使用CvSVM::LINEAR核类型，并在训练SVM之前将你的自定义核应用于数据来实现这一点。我对这个方向是否有成效有点不确定，所以我希望有更多SVM经验的人能发表评论。如果通过选择“线性”作为你的核类型确实可以使用“预计算核”，那么请参考这个回答，以获取更多关于如何进行的想法。

你还可以考虑直接包含LIBSVM并调用它，而不使用OpenCV。请参阅LIBSVM的FAQ #418，它简要介绍了如何进行自定义核：

问：我想使用我自己的核。有例子吗？在svm.cpp中，有两个用于核评估的子程序：k_function()和kernel_function()。我应该修改哪一个？

一个例子是LIBSVM工具中的“LIBSVM for string data”。

我们有两个函数的原因如下。对于RBF核exp(-g |xi – xj|^2)，如果我们先计算xi – xj然后再计算范数平方，需要3n次操作。因此，我们考虑exp(-g (|xi|^2 – 2dot(xi,xj) +|xj|^2))，通过在开始时计算所有|xi|^2，操作次数减少到2n。这是用于训练的。对于预测，我们不能这样做，所以需要一个使用3n次操作的常规子程序。实现你自己的核的最简单方法是将相同的代码放在这两个子程序中，通过替换任何核来实现。

最后一个选项听起来有点麻烦。我推荐使用scikit或SVMlight。祝你好运！