TWSVM

借助(线性)孪生支持向量机对二分类问题的求解程序。

% 支持向量机Matlab工具箱C-SVC 孪生线性核函数二类分类算法
% 使用平台 - Matlab7.12


close all
clear
clc

load N_p   % 正类点数据，特征信息存放在列里面
load N_n   % 负类点数据，特征信息存放在列里面

 
%% 第一步：数据预处理
% 由原来的数据产生80%的训练数据和20%的预测数据
n_p=size（N_p2）;
n_n=size（N_n2）;
n1=randperm（n_p）;      % 对1到n的n个正整数进行随机不重复的排列，形成一个1行n列的矩阵
n1=n1‘;
n2=randperm（n_n）;
n2=n2‘;
f_p=floor（4*n_p/5）;    % 取80%的数据作为训练集，其余20%作为预测集
f_n=floor（4*n_n/5）; 
data_train_p=N_p（:n1（1:f_p））;                  % 正类训练数据
data_train_n=N_n（:n2（1:f_n））;                  % 负类训练数据
data_train=[data_train_pdata_train_n];         % 训练数据集（含正负类）
Y_train=[ones（1f_p）-ones（1f_n）];             % 训练数据标签集 

data_predict_p=N_p（:n1（f_p+1:end））;            % 正类预测数据
data_predict_n=N_n（:n2（f_n+1:end））;            % 负类预测数据
data_predict=[data_predict_pdata_predict_n];   % 预测数据集（含正负类）
Y_predict=[ones（1n_p-f_p）-ones（1n_n-f_n）];   % 预测数据标签集 

% 相关参数初始化
bestAccuracy=0;
k=0;
c1min=-2;
c1max=2;
c2min=-2;
c2max=2;
aac=rand（101）;
best_c1=0;best_c2=0;
data_train=data_train‘;
Y_train=Y_train‘;


%% 第二步：数据训练寻找最优参数c1c2
%  将c1和c2划分网格进行搜索
indices = crossvalind（‘Kfold‘Y_train10）;    
tic;
for c1=2^（c1min）:1:2^（c1max）
    for c2=2^（c2min）:1:2^（c2max）
        %采用K-CV方法将data大致平均分为K组
        for run= 1:10
            test=（indices == run）; train=~test; 
            
            train_data=data_train（train:）;            % 训练数据集（含正类负类点集） 数据信息全在行里面         
            train_data_label=Y_train（train:）;         % 训练集标签（含正类负类点集） 数据信息全在行里面
            
            test_data=data_train（test:）;              % 预测数据集（含正类负类点集） 数据信息全在行里面
            test_data_label=Y_train（test:）;           % 预测集标签（含正类负类点集） 数据信息全在行里面
            
            groupA=ismember（train_data_label1）;       % 分出正类点的位置            数据信息全在行里面
            groupB=ismember（train_data_label-1）;      % 分出正类点的位置            数据信息全在行里面
       % 关于ismember函数的具体用法，使用help ismember可以进一步了解
       
            A=train_data（groupA:）;                    % 正类训练数据                数据信息全在行里面
            B=train_data（groupB:）;   
            %用模糊支持向量机训练数据
            [v1v2]=twinsvm_lin_train（ABc1c2）;      
             %下面用验证集进行验证并记录此时的准确率
            row=size（test_data1）;
            result=rand（row1）;
            test_data1=[test_dataones（row1）];
            distance1=abs（test_data1*v1）;
            distance2=abs（test_data1*v2）;
            test_distance=min（distance1distance2）;
            for run1=1:row
                if test_distance（run1）==distance1（run1）
                    result（run1）=1;
                else
                    result（run1）=-1;
                end
            end
          for run1=1:row
              if test_data_label（run1）==result（run1）
                  k=k+1;
              end
          end
          aac（run）=k/row;
          k=0;
        end
        cv=sum（aac）/10;
        if （cv>bestAccuracy）
            bestAccuracy=cv;
            best_c1=c1;
            best_c2=c2;
        e

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

     文件       1780  2012-05-10 20:37  N_p.mat

     文件       1290  2012-07-23 14:28  twinsvm_lin_train.m

     文件       5550  2012-09-03 17:56  lin_main.m

     文件       1782  2012-05-10 20:36  N_n.mat

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

                10402                    4