SVM function available 可实现SVM函数曲线拟合

可实现SVM函数曲线拟合，支持向量机曲线逼近，多类分类等等强大功能，无需修改源程序，直接可用

% 支持向量机用于多类模式分类 - 必须选择最优参数 GammaC
% 工具箱：OSU_SCM3.00
% 使用平台：Matlab6.5
% 作者：陆振波，海军工程大学
% 欢迎同行来信交流与合作，更多文章与程序下载请访问我的个人主页
% 电子邮件：luzhenbo@sina.com
% 个人主页：luzhenbo.88uu.com.cn

clc
clear
close all
%---------------------------------------------------
% 产生训练样本与测试样本，每一列为一个样本

n1 = [rand（35）rand（35）+1rand（35）+2];
x1 = [1*ones（15）2*ones（15）3*ones（15）];     % 特别注意：这里的目标与神经网络不同

n2 = [rand（35）rand（35）+1rand（35）+2];
x2 = [1*ones（15）2*ones（15）3*ones（15）];     % 特别注意：这里的目标与神经网络不同

xn_train = n1;          % 训练样本
dn_train = x1;          % 训练目标

xn_test = n2;           % 测试样本
dn_test = x2;           % 测试目标

%---------------------------------------------------
% 参数设置

Samples1 = xn_train; 
Labels1 = dn_train;
Samples2 = xn_test; 
Labels2 = dn_test;

Gamma = 1;
C = 1;

%---------------------------------------------------
% 训练与测试

% 训练
% 输出参数即是训练结果，其物理意义相当于网格结构参数，用于测试及新样本识别时的输入
% 这里使用 RbfSVC 函数训练，还可以使用 LinearSVC PolySVC 等函数来训练

[AlphaY SVs Bias Parameters nSV nLabel] = ...
    RbfSVC（Samples1 Labels1 Gamma C）;

% 测试
[ClassRate DecisionValue Ns ConfMatrix PreLabels] = ...
    SVMTest（Samples2 Labels2 AlphaY SVs BiasParameters nSV nLabel）;

%---------------------------------------------------
% 输出参数
% ClassRate      -  正确分类率 1x1;
% DecisionValue  -  判别函数的输出（仅对2类问题有效） 1xN;
% Ns             -  每一类的样本数 1x（L+1） 或 1xL；当为1x（L+1）时，最后一个元素不属于任何一类
% ConfMatrix     -  错判矩阵 （L+1）x（L+1） or LxL 这里 ConfMatrix（ij） = P（X in j| X in i）;
%                   当为 （L+1）x（L+1） 时，最后一行和最后一列是那些不属于任何一类的样本
% PreLabels      -  实际测试输出 1xN. 

%---------------------------------------------------
% 结果统计

Result = ~abs（PreLabels-Labels2）       % 正确分类显示为1
Percent = sum（Result）/length（Result）   % 正确分类率

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

     文件       3864  2003-02-21 22:39  SVM--function available\LS_SVMlab\demofun.m

     文件       4748  2005-09-13 21:00  SVM--function available\LS_SVMlab\demomodel.m

     文件       2259  2003-03-11 15:50  SVM--function available\LS_SVMlab\demo_fixedclass.m

     文件       3099  2003-02-21 22:39  SVM--function available\LS_SVMlab\demo_fixedsize.m

     文件       3337  2003-02-21 22:39  SVM--function available\LS_SVMlab\demo_yinyang.m

     文件       3507  2003-02-21 22:39  SVM--function available\LS_SVMlab\denoise_kpca.m

............此处省略422个文件信息