资源描述：
《matlab中svm工具箱的使用方法》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、matlab中SVM工具箱的使用方法标签：matlab svm 工具箱 2008-03-1814:431,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whichsvco
2、utput回车,如果可以正确显示路径,就证明添加成功了,例如: C:ProgramFilesMATLAB71toolboxsvmsvcoutput.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; p
3、lot(x1(1,:),x1(2,:),'bx',x2(1,:),x2(2,:),'k.'); 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,ke
4、r,C),回车之后,会显示: SupportVectorClassification_____________________________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 0.0
7、000 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:predictedY=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 补充:X和Y为数据,m*n:m为样本数,n为特征向量数比如:取20组训练数据X,10组有故障,10组
8、无故障的,每个训练数据有13个特征参数,则m=20,n=13Y为20*1的矩阵,其中,10组为1,10组为-1.对于测试数据中,如果取6组测试数据,3组有故障,3组无故障的,则m=6,n=13Y中,m=6,n=1
