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、包已经解压到文件夹F:R2009btoolboxsvmmatlab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:
2、 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; plot(x1(1,:),x1(2,:),'bx',x2(1,:),x2(2,:),'k.'); axis([-38
3、-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_____________________________Constructing..
4、.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:predictedY=svcoutput(X,Y,X,ker,alpha,bias),回车后得到: pred
7、ictedY= 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=1http://www.support-vector-machines.or
8、g/SVM_soft.htmlSVM-SupportVectorMachinesSoftwareTrainsupportvectormachineclassifierhttp://www.mathworks.com/access/helpdesk/help/toolbox/bioinfo/ref/svmtrain.html一些问题？？？？？？？1.今天我在使用SVM通用工具箱对眼电的信号数据进行分类时出现如下错误：SupportVectorClassification_____________________________Constructing...Optimising.
9、..???Dimensionerror(arg3andlater).Errorin==>svcat60[alphalambdahow]=qp(H,c,A,b,vlb,vub,x0,neqcstr);不知道是什么原因？答：今天上午终于找到出现这一错误的原因：它并不是SVM程序的问题，是我在整理样本时，把参数需要的样本行列颠倒所致。此处X是样本特征（行向量），Y为对应样本的类别（一行对应X的一行样本）！2.使用第一个stevegunn'sSVM遇到一个问题。???InvalidMEX-file‘××××s
