本资源包含支持向量机的数学原理,多个代码例程文件,亲测matlab2018b通过,建议直接修改输入神经元个数和输入向量,另外,其算法接口与BP神经网络几乎完全一致,上手比较快
代码片段和文件信息
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2018-08-30 12:47 06 支持向量机(Support Vector Machine SVM)
文件 553665 2016-10-08 01:17 06 支持向量机(Support Vector Machine SVM)Class_6.pdf
目录 0 2018-07-04 00:20 06 支持向量机(Support Vector Machine SVM)Class_6_Code
目录 0 2018-08-30 12:42 06 支持向量机(Support Vector Machine SVM)Class_6_CodeClassification
文件 6802 2010-11-03 21:23 06 支持向量机(Support Vector Machine SVM)Class_6_CodeClassificationBreastTissue_data.mat
目录 0 2018-08-30 12:41 06 支持向量机(Support Vector Machine SVM)Class_6_CodeClassificationhtml
文件 10246 2015-09-13 22:13 06 支持向量机(Support Vector Machine SVM)Class_6_CodeClassificationhtmlmain.html
文件 5730 2015-09-13 22:13 06 支持向量机(Support Vector Machine SVM)Class_6_CodeClassificationhtmlmain.png
文件 13144 2015-09-13 22:12 06 支持向量机(Support Vector Machine SVM)Class_6_CodeClassificationhtmlmain_01.png
文件 2010 2016-12-24 09:44 06 支持向量机(Support Vector Machine SVM)Class_6_CodeClassificationmain.asv
文件 1965 2016-12-24 09:47 06 支持向量机(Support Vector Machine SVM)Class_6_CodeClassificationmain.m
目录 0 2018-08-30 12:47 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6
文件 3437 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6AFEm.m
文件 603 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6MLP_kernel.m
文件 1105 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6RBF_kernel.m
文件 5785 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6ay_errorbar.m
文件 1998 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6ay_initlssvm.m
文件 10339 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6ay_lssvm.m
文件 8187 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6ay_lssvmARD.m
文件 9358 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6ay_modoutClass.m
文件 5843 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6ay_optimize.m
文件 4312 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6ay_rr.m
文件 1479 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6itreverse32.m
文件 5576 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6changelssvm.m
文件 4744 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6cilssvm.m
文件 4245 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6code.m
文件 5194 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6code_ECOC.m
文件 548 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6code_MOC.m
文件 361 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6code_OneVsAll.m
文件 576 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6code_OneVsOne.m
文件 2107 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6codedist_bay.m
............此处省略338个文件信息
%% I. 清空环境变量
%% II. 导入数据
%%
% 1. 随机产生训练集和测试集
n = randperm(size(matrix1));
%%
% 2. 训练集——80个样本
train_matrix = matrix(n(1:80):);
train_label = label(n(1:80):);
%%
% 3. 测试集——26个样本
test_matrix = matrix(n(81:end):);
test_label = label(n(81:end):);
%% III. 数据归一化
[Train_matrixPS] = mapminmax(train_matrix‘);
Train_matrix = Train_matrix‘;
Test_matrix = mapminmax(‘apply‘test_matrix‘PS);
Test_matrix = Test_matrix‘;
%% IV. SVM创建/训练(RBF核函数)
%%
% 1. 寻找最佳c/g参数——交叉验证方法
[cg] = meshgrid(-10:0.2:10-10:0.2:10);
[mn] = size(c);
cg = zeros(mn);
eps = 10^(-4);
v = 5;
bestc = 1;
bestg = 0.1;
bestacc = 0;
for i = 1:m
for j = 1:n
cmd = [‘-v ‘num2str(v)‘ -t 2‘‘ -c ‘num2str(2^c(ij))‘ -g ‘num2str(2^g(ij))];
cg(ij) = svmtrain(train_labelTrain_matrixcmd);
if cg(ij) > bestacc
bestacc = cg(ij);
bestc = 2^c(ij);
bestg = 2^g(ij);
end
if abs( cg(ij)-bestacc )<=eps && bestc > 2^c(ij)
bestacc = cg(ij);
bestc = 2^c(ij);
bestg = 2^g(ij);
end
end
end
cmd = [‘ -t 2‘‘ -c ‘num2str(bestc)‘ -g ‘num2str(bestg)];
%%
% 2. 创建/训练SVM模型
model = svmtrain(train_labelTrain_matrixcmd);
%% V. SVM仿真测试
[predict_label_1accuracy_1] = svmpredict(train_labelTrain_matrixmodel);
[predict_label_2accuracy_2] = svmpredict(test_labelTest_matrixmodel);
result_1 = [train_label predict_label_1];
result_2 = [test_label predict_label_2];
%% VI. 绘图
figure
plot(1:length(test_label)test_label‘r-*‘)
hold on
plot(1:length(test_label)predict_label_2‘b:o‘)
grid on
legend(‘真实类别‘‘预测类别‘)
xlabel(‘测试集样本编号‘)
ylabel(‘测试集样本类别‘)
string = {‘测试集SVM预测结果对比(RBF核函数)‘;
[‘accuracy = ‘ num2str(accuracy_2(1)) ‘%‘]};
title(string)
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2018-08-30 12:47 06 支持向量机(Support Vector Machine SVM)
文件 553665 2016-10-08 01:17 06 支持向量机(Support Vector Machine SVM)Class_6.pdf
目录 0 2018-07-04 00:20 06 支持向量机(Support Vector Machine SVM)Class_6_Code
目录 0 2018-08-30 12:42 06 支持向量机(Support Vector Machine SVM)Class_6_CodeClassification
文件 6802 2010-11-03 21:23 06 支持向量机(Support Vector Machine SVM)Class_6_CodeClassificationBreastTissue_data.mat
目录 0 2018-08-30 12:41 06 支持向量机(Support Vector Machine SVM)Class_6_CodeClassificationhtml
文件 10246 2015-09-13 22:13 06 支持向量机(Support Vector Machine SVM)Class_6_CodeClassificationhtmlmain.html
文件 5730 2015-09-13 22:13 06 支持向量机(Support Vector Machine SVM)Class_6_CodeClassificationhtmlmain.png
文件 13144 2015-09-13 22:12 06 支持向量机(Support Vector Machine SVM)Class_6_CodeClassificationhtmlmain_01.png
文件 2010 2016-12-24 09:44 06 支持向量机(Support Vector Machine SVM)Class_6_CodeClassificationmain.asv
文件 1965 2016-12-24 09:47 06 支持向量机(Support Vector Machine SVM)Class_6_CodeClassificationmain.m
目录 0 2018-08-30 12:47 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6
文件 3437 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6AFEm.m
文件 603 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6MLP_kernel.m
文件 1105 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6RBF_kernel.m
文件 5785 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6ay_errorbar.m
文件 1998 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6ay_initlssvm.m
文件 10339 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6ay_lssvm.m
文件 8187 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6ay_lssvmARD.m
文件 9358 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6ay_modoutClass.m
文件 5843 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6ay_optimize.m
文件 4312 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6ay_rr.m
文件 1479 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6itreverse32.m
文件 5576 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6changelssvm.m
文件 4744 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6cilssvm.m
文件 4245 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6code.m
文件 5194 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6code_ECOC.m
文件 548 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6code_MOC.m
文件 361 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6code_OneVsAll.m
文件 576 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6code_OneVsOne.m
文件 2107 2014-07-09 13:36 06 支持向量机(Support Vector Machine SVM)Class_6_CodeLSSVM-1.6codedist_bay.m
............此处省略338个文件信息
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件举报,一经查实,本站将立刻删除。
评论列表(条)