陆振波的SVM的MATLAB代码的解释.docVIP

%构造训练样本 n = 50; randn(state,6); x1 = randn(2,n); %2行N列矩阵 y1 = ones(1,n); %1*N个1 x2 = 5+randn(2,n); %2*N矩阵 y2 = -ones(1,n); %1*N个-1 figure; plot(x1(1,:),x1(2,:),bx,x2(1,:),x2(2,:),k.); %x1(1,:)为x1的第一行，x1(2,:)为x1的第二行 axis([-3 8 -3 8]); title(C-SVC) hold on; X = [x1,x2]; %训练样本d*n矩阵，n为样本个数，d为特征向量个数 Y = [y1,y2]; %训练目标1*n矩阵，n为样本个数，值为+1或-1 %训练支持向量机 function svm = svmTrain(svmType,X,Y,ker,p1,p2) options = optimset; % Options是用来控制算法的选项参数的向量 options.LargeScale = off; options.Display = off; switch svmType case svc_c, C = p1; n = length(Y); H = (Y*Y).*kernel(ker,X,X); f = -ones(n,1); %f为1*n个-1,f相当于Quadprog函数中的c A = []; b = []; Aeq = Y; %相当于Quadprog函数中的A1,b1 beq = 0; lb = zeros(n,1); %相当于Quadprog函数中的LB，UB ub = C*ones(n,1); a0 = zeros(n,1); % a0是解的初始近似值 [a,fval,eXitflag,output,lambda] = quadprog(H,f,A,b,Aeq,beq,lb,ub,a0,options); %a是输出变量，它是问题的解 % Fval是目标函数在解a 处的值 % Exitflag0,则程序收敛于解x Exitflag=0,则函数的计算达到了最大次数 Exitflag0,则问题无可行解，或程序运行失败 % Output 输出程序运行的某些信息 %Lambda为在解a处的值Lagrange乘子 %支持向量机的数学表达式： (i=1 to L) Quadprog函数： St: 因此，H = (Y*Y).*kernel(ker,X,X) 支持向量机的数学表达式中的最优解为，， %寻找支持向量 a = svm.a; epsilon = 1e-8; i_sv = find(abs(a)epsilon); %0aa(max)则认为x为支持向量 plot(X(1,i_sv),X(2,i_sv),ro); %构造测试数本 [x1,x2] = meshgrid(-2:0.05:7,-2:0.05:7); %x1和x2都是181*181的矩阵 [rows,cols] = size(x1); %M=size(x1,1):返回x数组的行数181 %N=size(x1,2):返回x数组的列数181 nt = rows*cols; Xt = [reshape(x1,1,nt);reshape(x2,1,nt)]; %reshape(x1,1,nt)是将x1转成1*（181*181）的矩阵；所以Xt是一个2*(181*181)的矩阵 %测试输出 tmp = (a.*Y)*kernel(ker,X,X(:,i_sv)); % b = 1./Y(i_sv)-tmp; b = mean(b); % tmp = (a.*Y)*kernel(ker,X,Xt); % Xt是要进行判别 Yd = sign(tmp+b); % %分界面 Yd = reshape(Yd,rows,cols) cont