2025年模式识别课程实战上机实验综合训练报告.docxVIP

北京科技大学计算机与通信工程学院

模式分类第二次上机试验汇报

姓名：XXXXXX

学号班级：电信11时间：-04-16

一、试验目的

1.掌握支持向量机(SVM)的原理、核函数类型选择以及核参数选择原则等；

二、试验内容

2.准备好数据，首先要把数据转换成Libsvm软件包规定的数据格式为：labelindex1:valuelindex2:value2...

其中对于分类来说label为类标识，指定数据的种类；对于回归来说label为目的值。(我重要要用到回归)Index是从1开始的自然数，value是每一维的特性值。

该过程可以自己使用excel或者编写程序来完毕，也可以使用网络上的FormatDataLibsvm.xls来完毕。FormatDataLibsvm.xls使用阐明：

先将数据按照下列格式寄存(注意label放最背面):valuelvalue2label

valuelvalue2label

然后将以上数据粘贴到FormatDataLibsvm.xls中的最左上角单元格，接着工具-宏执行行FormatDataToLibsvm宏。就可以得到libsvm规定的数据格式。将该数据寄存到文本文献中进行下一步的处理。

3.对数据进行归一化。

该过程要用到libsvm软件包中的svm-scale.exeSvm-scale使用方法：

使用方法：svmscale[-1lower][-uupper][-yy_lowery_upper][-ssave_][-rrestore_](缺省值：lower=-1,upper

=1,没有对y进行缩放)其中，-1:数据下限标识；lower:缩放后数据下限；-u:数据上限标识；upper:缩放后数据上限；-y:与否对目的值同步进行缩放；y_lower为下限值，y_upper为上限值；(回归需要对目的

进行缩放，因此该参数可以设定为-y-11)-ssave_:表达将缩放的规则保留为文献save_;-rrestore_:表

达将缩放规则文献restore_载入后按此缩放；:待缩放的数据文献(规定满足前面所述的格式)。缩放规则文献可以用文本浏览器打开，看到其格式为：

y

lowerupperminmaxx

lowerupper

index1minlmax1index2min2max2

其中的lower与upper与使用时所设置的lower与upper含义相似；index表示特性序号；min转换前该特性的最小值；max转换前该特性的最大值。数据集的缩放成果在此状况下通过DOS窗口输出，当然也可以通过DOS的文献重定向符号“”将成果另存为指定的文献。该文件中的参数可用于最背面对目的值的反归一化。反归一化的公式为：

(Value-lower)*(max-min)/(upper-lower)+lower

其中value为归一化后的值，其他参数与前面简介的相似。

提议将训练数据集与测试数据集放在同一种文本文献中一起归一化，然后再将归一化成果提成训练集和测试集。4.训练数据，生成模型。

使用方法：svmtrain[options]training_set_file[model_file]

其中，options(操作参数):可用的选项即表达的涵义如下所示-ssvm类型：设置SVM类型，默认值为0,可选类型有(对于回归只能选3或4):

0--C-SVC1--n-SVC2--one-class-SVM3--e-SVR4--n-SVR-t

核函数类型：设置核函数类型，默认值为2,可选类型有：0--线性核：u*v1--多项式核：(g*u*v+coefO)deg

ree2--RBF核：e(uv2)g-3--sigmoid核：tanh(g*u*v+coef0)-ddegree:核函数中的degree设置，默认值

为3;

-gg:设置核函数中的g,默认值为1/k;-rcoef0:设置核函数中的coef0,默认值为0;-ccost:设置C-SVC、e-SVR、n6-SVR中从惩罚系数C,默认值为1;-nn:设置n-SVC、one-class-SVM与n-SVR中参数n,默认值0.5;

-pe:设置n-SVR的损失函数中的e,默认值为0.1