资源简介
基于四种SVM工具箱的分类与回归算法 LSSVM、OSU_SVM、stprtool以及SVM_SteveGunn，里面有例子 可参照例子建模
代码片段和文件信息
% 支持向量机用于多类模式分类 - 必须选择最优参数 gamsig2
% 工具箱：LS_SVMlab
% 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
X = xn_train‘;
Y = dn_train‘;
Xt = xn_test‘;
Yt = dn_test‘;
type = ‘c‘;
kernel_type = ‘RBF_kernel‘;
gam = 2;
sig2 = 2;
preprocess = ‘preprocess‘;
codefct = ‘code_MOC‘;
% 将“多类”转换成“两类”的编码方案
% 1. Minimum Output Coding （code_MOC）
% 2. Error Correcting Output Code （code_ECOC）
% 3. One versus All Coding （code_OneVsAll）
% 4. One Versus One Coding （code_OneVsOne）
%---------------------------------------------------
% 编码
[Yccodebookold_codebook] = code（Ycodefct）;
%---------------------------------------------------
% 交叉验证优化参数
%[gamsig2] = tunelssvm（{XYctypegamsig2kernel_typepreprocess}）
%---------------------------------------------------
% 训练与测试
[alphab] = trainlssvm（{XYctypegamsig2kernel_typepreprocess}）; % 训练
Yd0 = simlssvm（{XYctypegamsig2kernel_typepreprocess}{alphab}Xt）; % 分类
%---------------------------------------------------
% 解码
Yd = code（Yd0old_codebook[]codebook）;
%---------------------------------------------------
% 结果统计
Result = ~abs（Yd-Yt） % 正确分类显示为1
Percent = sum（Result）/length（Result） % 正确分类率
%---------------------------------------------------
% 注意：以这两种写法等价
% -- 1 --
% [Yccodebookold_codebook] = code（Y codefct）
% [alpha b] = trainlssvm（{XYctypegamsig2kernelpreprocess}）
% Yd0 = simlssvm（{XYctypegamsig2kernel} {alphab} Xt）
% Yd = code（Yd0old_codebook[]codebook）
% -- 2 --
% model = initlssvm（XYtypegamsig2kernelpreprocess）
% model = changelssvm（model‘codetype‘codefct）
% model = trainlssvm（model）
% Yd = simlssvm（model Xt）
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2018-04-02 19:11 基于四种SVM工具箱的分类与回归算法\
文件 691 2017-05-23 16:20 基于四种SVM工具箱的分类与回归算法\buffer.mc
文件 2560 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\Classification_LS_SVMlab.m
文件 2063 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\Classification_OSU_SVM.m
文件 2339 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\Classification_stprtool.m
文件 1530 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\Classification_SVM_SteveGunn.m
目录 0 2018-04-02 19:11 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\
文件 2738 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\AFE.m
文件 5785 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\bay_errorbar.m
文件 2003 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\bay_initlssvm.m
文件 10345 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\bay_lssvm.m
文件 8187 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\bay_lssvmARD.m
文件 9358 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\bay_modoutClass.m
文件 5977 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\bay_optimize.m
文件 4178 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\bay_rr.m
文件 1691 2017-05-23 15:49 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\buffer.mc
文件 5632 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\changelssvm.m
文件 4245 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\code.asv
文件 4245 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\code.m
文件 2118 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\codedist_bay.m
文件 756 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\codedist_hamming.m
文件 2018 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\codedist_loss.m
文件 4125 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\codelssvm.m
文件 5197 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\code_ECOC.m
文件 550 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\code_MOC.m
文件 364 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\code_OneVsAll.m
文件 555 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\code_OneVsOne.m
文件 32 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\Contents.m
文件 8174 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\crossvalidate.m
文件 1886 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\deltablssvm.m
文件 3369 2017-05-22 14:39 基于四种SVM工具箱的分类与回归算法\LS_SVMlab\democlass.m
............此处省略420个文件信息
- 上一篇：三个安卓小游戏源码.rar
- 下一篇：sentiment_data.rar
川公网安备 51152502000135号
评论
共有 条评论