《SVM工具箱的使用方法.doc》由会员分享，可在线阅读，更多相关《SVM工具箱的使用方法.doc（3页珍藏版）》请在金锄头文库上搜索。
1、matlab中SVM工具箱的使用方法 1,下载SVM工具箱:http:/ 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 FilesMATLAB71toolboxsvmsvcoutput.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
2、+randn(2,N); y2 = -ones(1,N); figure; plot(x1(1,:),x1(2,:),bx,x2(1,:),x2(2,:),k.); 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 Cl
3、assification_Constructing .Optimising .Execution time: 1.9 secondsStatus : OPTIMAL_SOLUTION|w0|2 : 0.418414Margin : 3.091912Sum alpha : 0.418414Support Vectors : 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: predictedY = 1 1 1 1 1 1 1 1 1 3)画图 输入:svcplot(X,Y,ker,alpha,bias),回车
