最小二乘支持向量机MATLAB程序附详细说明

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。

function [featureseigveceigvals] = AFE（Xskernel kernel_parsXtypenbeigveceigvals）
% Automatic Feature Extraction by Nystr鰉 method
%
%
% >> features = AFE（X kernel sig2 Xt）
%
% Description
% Using the Nystr鰉 approximation method the mapping of data to
% the feature space can be evaluated explicitly. This gives the
% features that one can use for a linear regression or
% classification. The decomposition of the mapping to the feature
% space relies on the eigenvalue decomposition of the kernel
% matrix. The Matlab （‘eigs‘） or Nystr鰉‘s （‘eign‘） approximation
% using the nb most important eigenvectors/eigenvalues can be
% used. The eigenvalue decomposition is not re-calculated if it is
% passed as an extra argument. This routine internally calls a cmex file.
%
% Full syntax
% 
% >> [features U lam] = AFE（X kernel sig2 Xt） 
% >> [features U lam] = AFE（X kernel sig2 Xt type） 
% >> [features U lam] = AFE（X kernel sig2 Xt type nb） 
% >> features          = AFE（X kernel sig2 Xt [][] U lam）
% 
% Outputs    
%   features : Nt x nb matrix with extracted features
%   U（*）     : N x nb matrix with eigenvectors
%   lam（*）   : nb x 1 vector with eigenvalues
% Inputs    
%   X      : N x d matrix with input data
%   kernel : Name of the used kernel （e.g. ‘RBF_kernel‘）
%   sig2   : parameter of the used kernel
%   Xt     : Data from which the features are extracted
%   type（*）: ‘eig‘（*） ‘eigs‘ or ‘eign‘
%   nb（*）  : Number of eigenvalues/eigenvectors used in the eigenvalue decomposition approximation
%   U（*）   : N x nb matrix with eigenvectors
%   lam（*） : nb x 1 vector with eigenvalues
% 
% See also:
%   kernel_matrix RBF_kernel demo_fixedsize

% Copyright （c） 2002  KULeuven-ESAT-SCD License & help @ http://www.esat.kuleuven.ac.be/sista/lssvmlab


[Ndim] = size（X）;
[Ncdim] = size（Xs）;

eval（‘type;‘‘type=‘‘eig‘‘;‘）;
if ~（strcmp（type‘eig‘） | strcmp（type‘eigs‘） | strcmp（type‘eign‘））
  error（‘Type needs to be ‘‘eig‘‘ ‘‘eigs‘‘ or ‘‘eign‘‘...‘）;
end
  

% eigenvalue decomposition to do..
if nargin<=6
  omega = kernel_matrix（Xs kernel kernel_pars）;
  if strcmp（type‘eig‘）
    [eigveceigvals] = eig（omega+2*eye（size（omega1）））; % + jitter factor
    eigvals = diag（eigvals）;
  elseif strcmp（type‘eigs‘）
    eval（‘nb;‘‘nb=min（size（omega1）10）;‘）;
    [eigveceigvals] = eigs（omega+2*eye（size（omega1））nb）; % + jitter factor
  elseif strcmp（type‘eign‘）
    eval（‘nb;‘‘nb=min（size（omega1）10）;‘）;
    [eigveceigvals] = eign（omega+2*eye（size（omega1））nb）; % + jitter factor
  end
  eigvals = （eigvals-2）/Nc;
  peff = eigvals>eps;
  eigvals = eigvals（peff）;
  eigvec = eigvec（:peff）;
end
  
% Cmex
features = phitures（Xs‘X‘eigveceigvalskernel kernel_pars）;

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

     文件       2738  2003-02-21 22:39  LS_SVMlab\AFE.m

     文件      20200  2009-04-16 21:24  LS_SVMlab\all0416.mat

     文件        572  2009-03-28 16:15  LS_SVMlab\alphaandb.m

     文件       5785  2003-02-21 22:39  LS_SVMlab\bay_errorbar.m

     文件       2003  2003-02-21 22:39  LS_SVMlab\bay_initlssvm.m

     文件      10345  2003-02-21 22:39  LS_SVMlab\bay_lssvm.m

     文件       8187  2003-02-21 22:39  LS_SVMlab\bay_lssvmARD.m

     文件       9358  2003-02-21 22:39  LS_SVMlab\bay_modoutClass.m

     文件       5977  2003-02-21 22:39  LS_SVMlab\bay_optimize.m

     文件       4178  2003-02-21 22:39  LS_SVMlab\bay_rr.m

     文件        164  2005-04-15 21:53  LS_SVMlab\buffer.mc

     文件       5632  2003-02-21 22:39  LS_SVMlab\changelssvm.m

     文件       4245  2005-04-15 19:10  LS_SVMlab\code.asv

     文件       4245  2005-04-15 19:11  LS_SVMlab\code.m

     文件       2118  2003-02-21 22:39  LS_SVMlab\codedist_bay.m

     文件        756  2003-02-21 22:39  LS_SVMlab\codedist_hamming.m

     文件       2018  2003-02-21 22:39  LS_SVMlab\codedist_loss.m

     文件       4125  2003-02-21 22:39  LS_SVMlab\codelssvm.m

     文件       5197  2003-02-21 22:39  LS_SVMlab\code_ECOC.m

     文件        550  2003-02-21 22:39  LS_SVMlab\code_MOC.m

     文件        364  2003-02-21 22:39  LS_SVMlab\code_OneVsAll.m

     文件        555  2003-02-21 22:39  LS_SVMlab\code_OneVsOne.m

     文件        734  2009-03-28 16:26  LS_SVMlab\compufun.m

     文件         32  2003-03-20 09:24  LS_SVMlab\Contents.m

     文件       8174  2003-02-21 22:39  LS_SVMlab\crossvalidate.m

     文件        757  2009-04-19 09:01  LS_SVMlab\data0419.mat

     文件       1011  2008-12-11 19:36  LS_SVMlab\datatest.mat

     文件       1606  2008-12-11 19:26  LS_SVMlab\datatrain.mat

     文件       1886  2003-02-21 22:39  LS_SVMlab\deltablssvm.m

     文件       3369  2003-02-21 22:39  LS_SVMlab\democlass.m

............此处省略83个文件信息