svm工具箱的使用方法

《svm工具箱的使用方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、matlab中SVM工具箱的使用方法1,下载SVM工具箱:http://see.xidian.edu.cn/faculty/chzheng/bishe/indexfiles/indexl.htm2,安装到matlab文件夹中1)将下载的SVM工具箱的文件夹放在matlab71toolbox下2)打开matlab->File->SetPath中添加SVM工具箱的文件夹现在,就成功的添加成功了.可以测试一下:在matlab中输入whichsvcoutput回车,如果可以正确显示路径,就证明添加成功了,例如:C:ProgramF

2、ilesMATLAB71toolboxsvmsvcoutput.m3,用SVM做分类的使用方法1)在matlab中输入必要的参数:X,Y,ker,C,p1,p2   我做的测试中取的数据为:    N=50;   n=2*N;   randn('state',6);   x1=randn(2,N)   y1=ones(1,N);   x2=5+randn(2,N);   y2=-ones(1,N);   figure;   plot(x1(1,:),x1(2,:),'bx',x2(1,:),x2(2,:),'k.');  

3、 axis([-38-38]);   title('C-SVC')   holdon;   X1=[x1,x2];   Y1=[y1,y2];     X=X1';   Y=Y1';   其中,X是100*2的矩阵,Y是100*1的矩阵   C=Inf;   ker='linear';   globalp1p2   p1=3;   p2=1;   然后,在matlab中输入:[nsvalphabias]=svc(X,Y,ker,C),回车之后,会显示:   SupportVectorClassification__________

4、___________________Constructing...Optimising...Executiontime:1.9secondsStatus:OPTIMAL_SOLUTION

5、w0

6、^2   :0.418414Margin   :3.091912Sumalpha:0.418414SupportVectors:3(3.0%)nsv=    3alpha=   0.0000   0.0000   0.0000   0.0000   0.0000   2)输入预测函数,可以得到与预想的分类结果进行比较.     输入:pr

7、edictedY=svcoutput(X,Y,X,ker,alpha,bias),回车后得到:    predictedY=    1    1    1    1    1    1    1    1    1   3)画图     输入:svcplot(X,Y,ker,alpha,bias),回车