多种核函数的SVM分类器matlab程序

%svm model
clc
clear all
close all
load new_data
N = size（newX1）;%样本总数
N_train = ceil（N*0.75）;%选取75%的样本用于训练
temp = randperm（N）;%生成随机向量
data_train = newX（temp（1:N_train）[12]）;%训练数据
group_train = newX（temp（1:N_train）3）;%训练数据的标签
data_test = newX（temp（N_train+1:end）[12]）;%测试数据
group_test = newX（temp（N_train+1:end）3）;%测试数据的标签
%------------------------线性核函数--------------------------%
%subplot（221）;
svmStruct1 = svmtrain（data_traingroup_train‘showplot‘true）;%线性SVM训练
Classes1 = svmclassify（svmStruct1data_test‘showplot‘true）;%线性SVM分类结果
%title（‘线性核函数‘）;
xlabel（‘特征1‘）ylabel（‘特征2‘）
CorrectRate1=sum（group_test==Classes1）/（N-N_train）
%------------------------高斯核函数--------------------------%
%subplot（222）;
figure
svmStruct2 = svmtrain（data_traingroup_train‘Kernel_Function‘‘rbf‘‘rbf_sigma‘0.5‘showplot‘true）;%高斯径向基核函数训练
Classes2 = svmclassify（svmStruct2data_test‘showplot‘true）;
%title（‘高斯径向基核函数核宽=0.5‘）;
xlabel（‘特征1‘）ylabel（‘特征2‘）
CorrectRate2=sum（group_test==Classes2）/（N-N_train）
%--------