内容发布更新时间 : 2024/11/7 18:42:51星期一 下面是文章的全部内容请认真阅读。
包已经解压到文件夹F:\\R2009b\\toolbox\\svm
matlab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.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.'); 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
http://www.support-vector-machines.org/SVM_soft.html
SVM - Support Vector Machines
Software
Train support vector machine classifier
http://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：
Support Vector Classification
_____________________________ Constructing ... Optimising ...
??? Dimension error (arg 3 and later).
Error in ==> svc at 60
[alpha lambda how] = 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）！