最新版LSSVM--matlab（完整版）.docxVIP

精品文档 精品文档 PAGE PAGE #欢迎下载 精品文档 精品文档 PAGE PAGE #欢迎下载 最小二乘支持向量机 对于以前的版本1.5版的工具箱和更新现有的一些命令我们增加了新功能。 由于许多读 者都是熟悉的版本1.5布局，我们试图尽可能少地改变它。主要的区别加速了一些方法的实 现。 Chapter/solver/fu nctio nWhat s new2. LS-SVMLab toolbox examples Chapter/solver/fu nctio n What s new 2. LS-SVMLab toolbox examples What s new 3. Matlab fun ctio ns 4. LS-SVM solver LS - SVM的路线图；增添更多的回归和分 类的例子；界面更容易，多级分类；改变执行 了健全 ls-svm。 回归或分类的可能性只使用一条命令即 可，功能验证已经被删除，更快（强劲）训 练和（强大）模型选择标准被提供给用户， 以防万一，稳健回归不同的函数必须要和与 迭代重加权LS - SVM 一起使用。 所有CMEX^/或C文件已被删除。求解 线该性系统通过使用 MATLA命令“反斜杠” （） 第一章引言 在解决非线性分类，函数估计和密度估计问题中，支持向量机是一个很强大的方法， 支 持向量机也致使了其核心的新动向， 最新发展事基于一般学习方法的。 支持向量机应经被引 入统计学习理论和结构风险最小化之中。这些方法中，凸优化问题 ，解决了一个典型的二次 规划问题。LS-SVM是标准SVM的改进，这样就可以解决线性 kkt系统的问题了。最小二乘 支持向量机与正规化网络和高斯过程密切相关， 但更加重视和利用原始对偶的规范条款解释。 经典的模式识别算法的内核版本如判别分析的内核 Fisher，以非监督学习、循环式网络扩 展和控制之间的链接是可用的。健全性、稀疏性、权重可以被应用到 LS-SVM上，并具有三 个层次的推理贝叶斯框架已经制定。 LS -SVM像原始对偶那样配方给予核 PCA核CCA和 PLS对于非常大的规模问题和在线学习，一个固定大小的 LS - SVM方法被提出，它基于 Nystrom在原始空间中支持向量的积极选择和估计的近似值。 原始对偶申述的方法被开发为 核心谱聚类，数据可视化，降维和生存分析。 目前LS- SVMIab工具箱用户指南包含了大量 MATALA中LS - SVM算法的实现，其中涉 及分类，回归，时间序列预测和无监督学习。 所有的功能都已经用 Matlab从R2008a, R2008b, R2009a测试，工具箱中参考命令都以打印字体书写。 LS -SVMIab 主页: http://www.esat.kuleuven.be/sista/lssvmlab/ 第二章 LS--SVMlab 该工具箱主要用于商业用 Matlab软件包使用。Matlab的工具箱已经在不同的计算机 体系结构编译和测试， 包括Linux和Windows。大部分函数可以处理的数据集可高达 20,000 或更多点的数据。LS- SVMlab对Matlab接口包括一个适合初学者的基本版本，以及一个多 类编码技术和贝叶斯框架的更先进的版本。未来版本将逐步加入新成果的和额外的功能。 大量功能受到最小二乘-支持向量机的限制（其中包括 最小二乘支持向量机在函数中 ” 的扩展名），其余的都是一般使用。大量的演示说明如何使用工具箱中的不同功能。 Matlab 的函数接口以两种方式组织： 例如在网络实验室人们可以根据自己的选择将函数既可以按照 功能性方式调用又可以按照面向对象的结构方式调用。 2.1分类和优化 调用函数： trainl ssvm, simlssvm, plotlssvm, prelssvm, postlssvm; 演示：Subsecti ons demofu n, democlass. Matlab的工具箱是围绕一个快速 LS - SVM勺训练和模拟算法而建立的。相应的函数 调用可用于分类以及函数估计。函数 plotlssvm 显示该模型在培训点区域模拟结果。通过 执行Matlab中灵活和简单代码(IssvmMATLAB.n)来求解线性系统，它基于 Matlab矩阵 分解(反斜杠命令 为准)。 对单个和多个输出回归和分类的函数都可以使用。训练和模拟可以做到为每个输出 分别通过传递不同的核函数，内核和 /或作为列向量正规化参数。执行工具箱中其他核函 数也是简单的。 一个模型的性能依赖于输入数据和输出数据的缩放。一个适当的算法检测，适当的 重新调整重设比例，分类和二进制变量。 2.1.1分类扩展 调用函数： codelssvm, code, deltablssvm,