接下来就是在Visual Studio中的工作了。其实很简单，只要在C#中的引用那一栏将src文件夹中的dll文件全部添加为引用，就可以实现两者的混合编程了。

2。6Libsvm工具函数

libsvm是林智仁副教授等人开发设计的一个简单易用、快速有效的SVM模式识别与回归的软件包，提供源代码和参数调用[9]。下载工具箱后，只需在MATLAB中添加相应的路径，并在命令行输入mex –setup命令，逐步进行环境的配置即可。过程较为简单，这里就不详细介绍了。

本小节主要对libsvm里使用到的的一些方法，以及涉及到的一些参数和返回值，进行简单的介绍。

（1）训练

libsvmtrain函数用于对训练集的数据进行训练，从而获得已训练好的模型。具体的函数为：

model=libsvmtrain(trainlabel, traindata, [,'libsvm_options']);

这个函数有三个参数，其中

①　trainlabel: 训练样本的类标，若有m个样本，就是m x 1的矩阵，且必需为double类型。

②　traindata: 训练样本的特征，若有m个样本，每个样本的特征是n维，则为m x n的矩阵，且必需为double类型。

③　libsvm_options:训练的参数，将在第3点里具体介绍。

（2）预测

libsvmpredict函数用于对测试集的数据进行效果测试，同时也能预测未知样本。具体的函数为：

libsvmpredict(testlabel, testdata, model [,'libsvm_options']);

这个函数包括四个参数，其中

①　testlabel:测试样本的类标，若有m个样本，就是m x 1的矩阵，且必须为double类型。若类标未知，则初始化为任意一个m x 1的double型数组。

②　testdata:测试样本的特征，若有m个样本，每个样本特征是n维，则为m x n的矩阵，且必须为double类型。

③　model:之前使用libsvmtrain函数后返回的模型

④　libsvm_options:预测的参数，将在第3点具体介绍。

（3）训练的参数，即libsvmtrain函数里libsvm_options的参数

训练时有很多可供选择的参数，这里主要对涉及到的参数进行介绍：

①　-s svm类型：设置SVM类型，缺省值为0

　　　　0 — C-SVC； 1 –v-SVC； 2 – 一类SVM； 3 — e-SVR； 4 — v-SVR

②　-t 核函数类型：设置核函数类型，缺省值为2

　　　　0 –线性核函数 1 –多项式核函数 2 –RBF核函数 3 – sigmoid核函数

③　-g r(gamma)：核函数中的gamma函数设置(针对多项式/RBF/sigmoid核函数，缺省值为1/k，k为总类别数)

④　-c cost：设置C-SVC，e -SVR和v-SVR的参数（损失函数，缺省值为1）论文网

以上这些参数的设置可以按照SVM的类型和核函数的类型进行任意组合，如果SVM类型或核函数中不存在该参数，则程序不接收该参数，且对程序没有影响；如果给定的参数设置错误，参数将设置为缺省值。

（4）训练返回的内容

libsvmtrain函数返回已训练好的SVM分类模型，可用来对未知的样本进行预测，本文主要使用的参数包含以下成员：

①　Parameters: 一个5 x 1的矩阵，每个行向量从上往下依次表示为：

　　　　-s SVM类型，缺省值为0；

　　　　-t 核函数类型，缺省值为2；

　　　　-d 核函数中degree参数设置(针对多项式核函数缺省值为3)；

　　　　-g 核函数中r(gamma)函数设置(针对多项式/RBF/sigmoid核函数，缺省为1/k，k为类别数目)；

　　　　-r 核函数中的coef0参数设置(针对多项式/sigmoid核函数，缺省为0) 

②　nr_class: 表示分类模型的总类别数。

③　totalSV: 表示支持向量的总数。