最新版，最小二乘支持向量机2010年9月更新matlab工具箱内附说明文档，文档中附有

最新版，最小二乘支持向量机（2010年9月更新）matlab工具箱（内附说明文档（英文版），文档中附有例子）

function [featureseigveceigvals] = AFEm（Xskernel kernel_parsXtypenbeigveceigvals）
% Automatic Feature Extraction by Nystr�m method
%
%
% >> features = AFE（X kernel sig2 Xt）
%
% Description
% Using the Nystr�m 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�m‘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

%FS-LSSVMLab

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

N = size（X1）;
Nc = size（Xs1）;

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<=7
  omega = kernel_matrix（Xs kernel kernel_pars）;
  if strcmp（type‘eig‘）
    [eigveceigvals] = eig（omega+2*eye（size（omega1）））; % + jitter factor
    eigvals = diag（eigvals）; 
    clear omega
  elseif strcmp（type‘eigs‘）
    eval（‘nb;‘‘nb=min（size（omega1）10）;‘）; options.disp = 0;
    [eigveceigvals] = eigs（omega+2*eye（size（omega1））nb‘lm‘options）; clear omega % + jitter factor
  elseif strcmp（type‘eign‘）
    eval（‘nb;‘‘nb=min（size（omega1）10）;‘）; 
    [eigveceigvals] = eign（omega+2*eye（size（omega1））nb）; clear omega % + jitter factor
  end
  eigvals = （eigvals-2）/Nc;

  peff = eigvals>eps;
  eigvals = eigvals（peff）;
  eigvec = eigvec（:peff）; clear peff
  
end 

if strcmp（kernel‘RBF_kernel‘）
    omegaN = sum（X.^22）*ones（1Nc）;
    omegaN = omegaN + ones（N1）*sum（Xs.^22）‘;
    omegaN = omegaN -2*X*Xs‘; clear X Xs

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

     文件       3458  2010-09-15 12:34  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\AFEm.m

     文件       5785  2003-02-21 16:39  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\bay_errorbar.m

     文件       2003  2003-02-21 16:39  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\bay_initlssvm.m

     文件      10345  2003-02-21 16:39  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\bay_lssvm.m

     文件       8187  2003-02-21 16:39  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\bay_lssvmARD.m

     文件       9358  2003-02-21 16:39  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\bay_modoutClass.m

     文件       5977  2003-02-21 16:39  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\bay_optimize.m

     文件       4312  2009-10-27 15:55  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\bay_rr.m

     文件       5576  2010-05-11 13:49  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\changelssvm.m

     文件       4462  2010-09-16 13:25  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\cilssvm.m

     文件       4245  2003-02-21 16:39  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\code.m

     文件       2118  2003-02-21 16:39  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\codedist_bay.m

     文件        756  2003-02-21 16:39  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\codedist_hamming.m

     文件       2018  2003-02-21 16:39  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\codedist_loss.m

     文件       4126  2009-11-26 15:01  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\codelssvm.m

     文件       5197  2003-02-21 16:39  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\code_ECOC.m

     文件        550  2003-02-21 16:39  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\code_MOC.m

     文件        364  2003-02-21 16:39  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\code_OneVsAll.m

     文件        579  2009-11-26 14:58  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\code_OneVsOne.m

     文件       5350  2010-09-20 14:52  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\crossvalidate.m

     文件       3773  2010-09-20 14:26  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\crossvalidatelssvm.m

     文件       2901  2010-09-20 14:00  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\csa.m

     文件       3461  2010-05-11 14:03  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\democlass.m

     文件       2143  2010-09-15 13:50  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\democonfint.m

     文件       3972  2010-05-11 13:35  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\demofun.m

     文件       4772  2010-05-11 14:07  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\demomodel.m

     文件       2299  2010-09-15 12:44  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\demomulticlass.m

     文件       2251  2010-05-11 13:06  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\demo_fixedclass.m

     文件       3233  2010-05-11 13:04  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\demo_fixedsize.m

     文件       3447  2010-05-11 13:28  最新版，最小二乘支持向量机（2010年9月更新）LS-SVMLab v1.7（R2006a-R2009a）\LS-SVMLab v1.7（R2006a-R2009a）\demo_yinyang.m

............此处省略56个文件信息