基于LSSVM的分类器，用于iris的三种分类，.rar

对iris数据集进行分类，基于lssvm,用matlab编写，里面有代码运行图，可以直接运行。里面还有lsssvm工具箱函数，不用另下lssvm工具箱。打开iris.m就可以直接运行。

%基于SVM的iris数据辨识
clear;
clc;
A=load（‘irisdata.txt‘）;  %导入数据
data = A（:1:4）;      %1—4列数据是鸢尾花的4个特征：花萼和花瓣的长度和宽度
labels = A（:5）;        %最后一列是属性标签。1代表山鸢尾（iris-setosa），
                       %2代表变色鸢尾（iris-versicolor），3代表维吉尼亚鸢尾（iris-virginica）

%将第一类的1－20第二类的51-70第三类的101-120做为训练集
train_iris=[data（1:20:）;data（51:70:）;data（101:120:）];
%相应的训练集的标签也要分离出来
train_iris_labels = [labels（1:20）;labels（51:70）;labels（101:120）];

%将第一类的21－50第二类的71-100第三类的121-150做为测试集
test_iris=[data（21:50:）;data（71:100:）;data（121:150:）];

%相应的测试集的标签也要分离出来
test_iris_labels = [labels（21:50）;labels（71:100）;labels（121:150）];

%数据预处理  将训练集和测试集进行归一化处理  归一化到[01]区间
[mtrainntrain] = size（train_iris）;
[mtestntest] = size（test_iris）;
dataset = [train_iris;test_iris];
% mapminmax为MATLAB自带的归一化函数                       
[dataset_scaleps] = mapminmax（dataset‘01）
dataset_scale = dataset_scale‘;

train_iris = dataset_scale（1:mtrain:）;
test_iris = dataset_scale（ （mtrain+1）:（mtrain+mtest）: ）;

% SVM网络训练
model = svmtrain（train_iris_labels train_iris ‘-c 2 -g 1‘）;



%% SVM网络预测
[predict_labelaccuracy] = svmpredict（test_iris_labelstest_irismodel）;


figure;
hold on;
plot（test_iris_labels‘o‘）;
plot（predict_label‘r*‘）;
xlabel（‘测试集样本‘‘FontSize‘12）;
ylabel（‘类别标签‘‘FontSize‘12）;
legend（‘实际测试集分类‘‘预测测试集分类‘）;
title（‘测试集的实际分类和预测分类图‘‘FontSize‘12）;
grid on;
snapnow;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1637  2018-03-27 11:14  iris12\iris.m

     文件       8924  2016-12-27 19:57  iris12\iris.png

     文件       2850  2016-12-27 16:58  iris12\irisdata.txt

     文件       1628  2018-03-27 10:53  iris\iris.m

     文件       8924  2016-12-27 19:57  iris\iris.png

     文件       2850  2016-12-27 16:58  iris\irisdata.txt

     目录          0  2018-03-19 18:53  iris12

     目录          0  2018-03-19 18:53  iris

----------- ---------  ---------- -----  ----

                26813                    8