~=C break; end n1 = n1 + 1; end %n2按照最大化|E1-E2|的<= TOL break; end end %输出结果:包括原分类,辨别函数计算结果,svm,
我只知道台湾一个教授编了一个支持向量机的工具箱叫libsvm,你去网上可以下载下来
其实使用libsvm进行分类很简单,只需要有属性矩阵和标签,然后就可以建立分类模型(model),然后利用得到的这个model进行分类预测了. 一、属性矩阵和标签: 一个班级里面有两个男生(男生1、男生2),两个女生(女生1、女生2),
这个是非线性svm的:1.命令函数部分:clear;%清屏 clc; X =load('data.txt'); n = length(X);%总样本数量 y = X(:,4);%类别标志 X = X(:,1:3); TOL = 0.0001;%精度要求 C = 1;%参数,对损失函数的权重 b = 0;%初始设置截距b Wold = 0;%未
建议你使用 clementine这款软件 还是蛮方便的 ,里面有成型的支持向量机、、、
请问你用的是台大林智仁教授的svm工具箱么? 如果是的话,这里有一个不错的视频:《神经网络libsvm-mat-加强工具箱介绍》视频所讲内容: 附录:libsvm-mat-加强工具箱 介绍 内容简介: 1 libsvm-mat工具箱介绍 2 libsvm-mat工具箱的安装 3 libsvm-mat工具箱的基本函数介绍 4 libsvm-mat-加强工具箱介绍 5 libsvm-mat-加强工具箱辅助函数插件详细介绍与使用 6 一些关于matlab使用的小技巧(快捷键等)介绍 在1-5中会有穿插介绍,6中进行总结
MatLab自带的SVM一共集成了两个函数:svmtrain和svmclassify.前者用来训练一个svm分类器,即svmStruct,后者用来使用前面训练好的svmStruct分类器进行分类.
可以参考这个,http://www.ilovematlab.cn/book/neural/chapter12.html,一般的分类问题都能用libsvm搞定.
ibsvm工具箱使用更加方便.参数调节方便.libsvm相关资料较为丰富,可构建多类分类器.Ps. 对于2类以上的分类问题,可用multiSVM作为libsvm的替代
最近一直在用matlab和libsvm,发现libsvm库用起来还是很方便的,就是没有模型直接保存到文件和读取模型的matlab接口(C++的接口有).由于有会用的OpenCV等C/C++库,所以数据交换比较麻烦.看了一下libsvm的svm.h、svm.cpp文件,发现有svm_save_model(),svm_load_model()等函数.于是乎用mex小做封装,写了两个matlab可以直接调用的接口.