• 大小: 7KB
    文件类型: .zip
    金币: 1
    下载: 0 次
    发布日期: 2021-04-18
  • 语言: Matlab
  • 标签: sigmoid  核函数  

资源简介

支持向量机混合高斯与sigmoid核函数

资源截图

代码片段和文件信息

function [svm_struct svIndex] = svmtrain_lm(training groupnames varargin)
%SVMTRAIN trains a support vector machine classifier
%
%   SVMStruct = SVMTRAIN(TRAININGGROUP) trains a support vector machine
%   classifier using data TRAINING taken from two groups given by GROUP.
%   SVMStruct contains information about the trained classifier including
%   the support vectors that is used by SVMCLASSIFY for classification.
%   GROUP is a column vector of values of the same length as TRAINING that
%   defines two groups. Each element of GROUP specifies the group the
%   corresponding row of TRAINING belongs to. GROUP can be a numeric
%   vector a string array or a cell array of strings. SVMTRAIN treats
%   NaNs or empty strings in GROUP as missing values and ignores the
%   corresponding rows of TRAINING.
%
%   SVMTRAIN(...‘KERNEL_FUNCTION‘KFUN) allows you to specify the kernel
%   function KFUN used to map the training data into kernel space. The
%   default kernel function is the dot product. KFUN can be one of the
%   following strings or a function handle:
%
%       ‘linear‘      Linear kernel or dot product
%       ‘quadratic‘   Quadratic kernel
%       ‘polynomial‘  Polynomial kernel (default order 3)
%       ‘rbf‘         Gaussian Radial Basis Function kernel
%       ‘mlp‘         Multilayer Perceptron kernel (default scale 1)
%       ‘mix‘         mlp+rbf
%       function      A kernel function specified using @
%                     for example @KFUN or an anonymous function
%
%   A kernel function must be of the form
%
%         function K = KFUN(U V)
%
%   The returned value K is a matrix of size M-by-N where U and V have M
%   and N rows respectively.  If KFUN is parameterized you can use
%   anonymous functions to capture the problem-dependent parameters. For
%   example suppose that your kernel function is
%
%       function k = kfun(uvp1p2)
%       k = tanh(p1*(u*v‘)+p2);
%
%   You can set values for p1 and p2 and then use an anonymous function:
%       @(uv) kfun(uvp1p2).
%
%   SVMTRAIN(...‘RBF_SIGMA‘SIGMA) allows you to specify the scaling
%   factor sigma in the radial basis function kernel.
%
%   SVMTRAIN(...‘POLYORDER‘ORDER) allows you to specify the order of a
%   polynomial kernel. The default order is 3.
%
%   SVMTRAIN(...‘MLP_PARAMS‘[P1 P2]) allows you to specify the
%   parameters of the Multilayer Perceptron (mlp) kernel. The mlp kernel
%   requires two parameters P1 and P2 where K = tanh(P1*U*V‘ + P2) and P1
%   > 0 and P2 < 0. Default values are P1 = 1 and P2 = -1.
%
%   SVMTRAIN(...‘METHOD‘METHOD) allows you to specify the method used
%   to find the separating hyperplane. Options are
%
%       ‘QP‘  Use quadratic programming (requires the Optimization Toolbox)
%       ‘SMO‘ Use Sequential Minimal Optimization method
%       ‘LS‘  Use least-squares method
%
%   If you have the Optimization Toolbox then the QP method is the defau

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件       22907  2013-07-31 11:35  svmtrain_lm.m

评论

共有 条评论