buaasuozi 《---这是原作者;
安装libsvm 不成功有可能是你的MATLAB版本或者是编译文件版本的问题,但是不要急着换其他版本。。。。说不定就有别的解决办法呢
首先感谢Lin教授及其实验室提供的libsvm工具箱,原始下载地址:下载主页:http://www.csie.ntu.edu.tw/~cjlin/libsvm/ 下载地址:http://www.csie.ntu.edu.tw/~cjlin/libsvm/#download
原本我使用的是libsvm-3.01版本,但是目前更换了matlab版本,由32位变为64位,再使用原来的libsvm进行 mex -setup 编译就会出现如下错误(异常):
>> mex -setup
MEX 配置为使用 'Microsoft Visual C++ 2012 (C)' 以进行 C 语言编译。
警告: MATLAB C 和 Fortran API 已更改,现可支持
包含 2^32-1 个以上元素的 MATLAB 变量。不久以后,
您需要更新代码以利用
新的 API。您可以在以下网址找到相关详细信息:
http://www.mathworks.com/help/ma ... use-64-bit-api.html。
要选择不同的语言,请从以下选项中选择一种命令:
mex -setup C++
mex -setup FORTRAN
MEX 配置为使用 'Microsoft Visual C++ 2012 (C)' 以进行 C 语言编译。
警告: MATLAB C 和 Fortran API 已更改,现可支持
包含 2^32-1 个以上元素的 MATLAB 变量。不久以后,
您需要更新代码以利用
新的 API。您可以在以下网址找到相关详细信息:
http://www.mathworks.com/help/ma ... use-64-bit-api.html。
要选择不同的语言,请从以下选项中选择一种命令:
mex -setup C++
mex -setup FORTRAN
在网上找了很多解决方案,都没有奏效,开始以为是matlab和visual studio版本问题,也怀疑了win10 64位系统问题,按照网上的方案解决都没有奏效。
后来参看了 http://apinetree.blog.51cto.com/714152/1560254 这篇文章,受到了启发。但是按照这篇文章的提示操作,还是报错:
Invalid MEX-file 'C:Program FilesMATLABR2014b oolboxlibsvm-3.21windowslibsvmread.mexw64': 找不到指定的模块。
后来按照libsvm提供的最原始办法:make 解决了
具体步骤如下:
1、下载libsvm,我下载的是libsvm-3.21版本,大家也可以去这里下载:下载libsvm-3.21
2、解压后放到matlab的安装目录下,我个人喜欢直接放到matlab下面的toolbox里面,毕竟这也是其中的工具之一。
3、在matlab主界面找到“设置路径”,添加文件夹及其子文件,索性把整个libsvm-3.21全添加进去,反正可能都要用到。
4、切换matlab运行目录致:C:Program FilesMATLABR2014b oolboxlibsvm-3.21matlab,在命令行输入make,也就是该目录下的那个make文件。这时候就像以前安装libsvm一样,会自动make出来很多文件,不用管,主要是会看到make出带有mexm64后缀名的文件,这就成功了。
5、拷贝4步骤中matlab文件夹下所有make出来的文件,到libsvm-3.21windows文件夹下,替换替换替换……,统统替换。
6、over,出一口气,放松一下,距离成功只差后面的第七步
7、验证是否成功:使用数据libsvm试验数据下载
可以将下载后的heart_scale.mat数据复制到刚才的目录下(其实无所谓)。然后输入libsvm工具箱特有的语句,就可以验证成功与否了:
>> load heart_scale.mat
>> model = svmtrain(heart_scale_label, heart_scale_inst, '-c 1 -g 0.07');
>> [predict_label, accuracy, dec_values] = svmpredict(heart_scale_label, heart_scale_inst, model);
输出:
*
optimization finished, #iter = 134
nu = 0.433785
obj = -101.855060, rho = 0.426412
nSV = 130, nBSV = 107
Total nSV = 130
optimization finished, #iter = 134
nu = 0.433785
obj = -101.855060, rho = 0.426412
nSV = 130, nBSV = 107
Total nSV = 130
、、、、标准支持向量和边界支持向量。。。nSV = 130, nBSV = 107
Accuracy = 86.6667% (234/270) (classification)
得到了分类精度,这就证明libsvm安装成功!
以上亲测,运行环境win10 64位系统,matlab R2014b libsvm-3.21 visual studio 2012
http://blog.csdn.net/buaasuozi/article/details/50781615