matlab中SVM工具箱的使用方法
标签： matlab  svm  工具箱  2008-03-18 14:43
1,下载SVM工具箱:see.xidian.edu/faculty/chzheng/bishe/indexfiles/indexl.htm
2,安装到matlab文件夹中
  1)将下载的SVM工具箱的文件夹放在\matlab71\toolbox\下
  2)打开matlab->File->Set Path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which svcoutput 回车,如果可以正确显示路径,就证明添加成功了,例如:
 C:\Program Files\MATLAB71\toolbox\svm\svcoutput.m
3,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.');tool工具箱
    axis([-3 8 -3 8]);
    title('C-SVC')
    hold on;
    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';
    global p1 p2
    p1=3;
    p2=1;
    然后,在matlab中输入:[nsv alpha bias] = svc(X,Y,ker,C),回车之后,会显示:
   
Support Vector Classification
_____________________________
Constructing ...
Optimising ...
Execution time:  1.9 seconds
Status : OPTIMAL_SOLUTION
|w0|^2    : 0.418414
Margin    : 3.091912
Sum alpha : 0.418414
Support Vectors : 3 (3.0%)
nsv =
    3

alpha =
    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:
   
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组无故障的,每个训练数据有13个特征参数,则m=20,n=13
Y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=13
Y中,m=6,n=1
   
   
     

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。