EDA365电子论坛网

标题: 了解一下Matlab中的SVM工具箱的使用方法吧 [打印本页]

作者: haidaowang 时间: 2020-7-2 15:36
标题: 了解一下Matlab中的SVM工具箱的使用方法吧

1,下载SVM工具箱:http://see.xidian.edu.cn/faculty/chzheng/bishe/indexfiles/indexl.htm

2,安装到matlab文件夹中

1)将下载的SVM工具箱的文件夹放在\matlab71\toolbox\下

2)打开matlab->File->Set Path中添加SVM工具箱的文件夹

现在,就成功的添加成功了.

可以测试一下:在matlab中输入which svcoutput 回车,如果可以正确显示路径,就证明添加成功了,例如:

C:\Program Files\MATLAB71\toolbox\svm\svcoutput.m

3,用SVM做分类的使用方法

1)在matlab中输入必要的参数:X,Y,ker,C,p1,p2

我做的测试中取的数据为:

N = 50;

n=2*N;$ R: T& x/ f7 T$ g! i9 j
randn('state',6);. S' R# _6 C# W3 V0 Q. p
x1 = randn(2,N)
, O: o* @! g! n/ H/ D y1 = ones(1,N);
, @1 j0 \( }) I5 O8 E% ` x2 = 5+randn(2,N);) V" U0 J* w2 X- b4 a5 k7 J
y2 = -ones(1,N);

figure;
n# w# f/ Q( A9 a plot(x1(1,: ),x1(2,: ),'bx',x2(1,: ),x2(2,: ),'k.');' h" x! Y- K, \* }5 k2 J
axis([-3 8 -3 8]);/ q/ V2 c9 ?/ p4 |: g
title('C-SVC')
" m3 U' q8 @: `# g$ S hold on;

X1 = [x1,x2];

Y1 = [y1,y2];

X=X1';

Y=Y1';

其中,X是100*2的矩阵,Y是100*1的矩阵

C=Inf;

ker='linear';

global p1 p2

p1=3;

p2=1;

然后,在matlab中输入:[nsv alpha bias] = svc(X,Y,ker,C),回车之后,会显示:

Support Vector Classification
1 n9 V5 Z( N0 m$ [% B_____________________________3 r8 N) w& K) n7 l1 `1 x1 H1 K
Constructing ...' s' `$ t# q" k1 c' X1 \
Optimising ...
7 V: b5 F& s0 {5 q) P* ]Execution time: 1.9 seconds4 G6 ` z! ?8 I/ x( ?5 c
Status : OPTIMAL_SOLUTION
3 u& }+ v3 u n0 H( M( q|w0|^2 : 0.418414! [ P9 y$ W }! i
Margin : 3.091912
% m+ l' Z* P6 O' YSum alpha : 0.418414
0 S/ R. y# J4 v* x; A0 rSupport Vectors : 3 (3.0%)

nsv =

A1 A$ Q, ?; |( p0 l( G9 r, ~
alpha =

0.0000
. I1 h0 ?# I# p' o, Q/ R; A 0.00009 T* t! [0 k7 }4 O# w: F3 x; s
0.0000
3 L8 T/ ]8 Z* ?2 `2 ` 0.0000. V9 n( V% m4 c; j' P7 q
0.0000

2)输入预测函数,可以得到与预想的分类结果进行比较.

输入:predictedY = svcoutput(X,Y,X,ker,alpha,bias),回车后得到:

predictedY =

   1: E0 M* ]4 S" v8 z8 A' V3 A
   1- W1 W; q. C+ F+ _7 R
   1
( w5 k) I, f, }" x; H+ @    1
: K9 u4 L* H! f! J! b8 s2 ^, h    1
8 u: w# L( y& Y/ f    1  U9 Q! w/ C; ~" Z# u# ]- F7 W
   1
/ ]. O9 K# A! D0 n3 i* I" L* t    10 ?5 d  D, X2 k0 Z# Q0 O
   1

3)画图

输入:svcplot(X,Y,ker,alpha,bias),回车

补充:

X和Y为数据,m*n:m为样本数,n为特征向量数

比如:取20组训练数据X,10组有故障,10组无故障的,每个训练数据有13个特征参数,则m=20,n=13

Y为20*1的矩阵,其中,10组为1,10组为-1.

对于测试数据中,如果取6组测试数据,3组有故障,3组无故障的,则m=6,n=13

Y中,m=6,n=1

作者: xiaogegepcb 时间: 2020-7-2 16:22
Matlab中的SVM工具箱的使用方法

欢迎光临 EDA365电子论坛网 (https://bbs.eda365.com/)