matlab中SVM工具箱的使用方法.docVIP

....

PAGE/NUMPAGES

matlab中SVM工具箱的使用方法

1,下载SVM工具箱:see.xidian.edu/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-SetPath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whichsvcoutput回车,如果可以正确显示路径,就证明添加成功了,例如:

C:\ProgramFiles\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([-38-38]);

???title(C-SVC)

???holdon;

???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;

???globalp1p2

???p1=3;

???p2=1;

???然后,在matlab中输入:[nsvalphabias]=svc(X,Y,ker,C),回车之后,会显示:

???

SupportVectorClassification

_____________________________

Constructing...

Optimising...

Executiontime:1.9seconds

Status:OPTIMAL_SOLUTION

|w0|^2???:0.418414

Margin???:3.091912

Sumalpha:0.418414

SupportVectors: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展比拟.

?????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

#Matlab

一、因为要用到SVM，所以想先在matlab下学习一下，简短讲添加工具箱很简单：

1.1：如果是Matlab安装光盘上的工具箱，重新执行安装程序，选中即可。

1.2：如果是单独下载的工具箱，那么需要把新的工具箱〔以下假设工具箱名字为svm〕解压到toolbox目录下，然后用addpath或者pathtool把该工具箱的路径添加到matlab的搜索路径中，

2:最后用whichnewtoolbox_command.m来检验是否可以访问。如果能够显示新设置的路径，那么说明该工具箱可以使用了。

SVM工具箱:addpath(D:\ProgramFiles\MATLAB\R2008a\toolbox\svm)

whichsvcinfo.m

D:\ProgramFiles\MATLAB\R2008a\toolbox\svm\svcinfo.m

成功~

PS:还有一些其他方法，可以参考：blog.lehu.shu.edu/smallworker/A31135.html

二、初次使用，采用zyy554221.blog.sohu.html中的例子，但是出现了错误信息：D：…………\toolbox\svm\qp.dll不是有效的Win32应用程序，经过搜索看到有很