《matlab中SVM工具箱的使用方法讲解学习.doc》由会员分享，可在线阅读，更多相关《matlab中SVM工具箱的使用方法讲解学习.doc（7页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、Good is good, but better carries it.精益求精，善益求善。matlab中SVM工具箱的使用方法-matlab中SVM工具箱的使用方法标签：matlabsvm工具箱2008-03-1814:431,下载SVM工具箱:2,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:ProgramFilesMATLAB7
2、1toolboxsvmsvcoutput.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(-38-38);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=
3、Inf;ker=linear;globalp1p2p1=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.Optimising.Executiontime:1.9secondsStatus:OPTIMAL_SOLUTION|w0|2:0.418414Margin:3.091912Sumalpha:0.418414SupportVectors:3(3.0%)nsv=3alpha=0.00000.00000.00000.00000.00002)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=1111111113)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=1-