支持向量机 MATLAB程序

function [erra] = fit_sqpso_pca_m_svm（xnpc）
%% 2012.9.17编写程序，该程序特征值选用的是原始曲线的最大值，使用PCA进行降维，，使用svm进行分类，使用粒子群算法进行参数的寻优。

%% 需要寻优的参数
%x（1）:[0 2];RBF kernel的参数
%x（2）:[0 1000000];svm 惩罚因子
x=abs（x）;
load wound_data_max
%% 归一化
Y=mapminmax（wound_data_max‘01）;            %要进行一次转置，这样的归一化是对列（也就是每个传感器响应曲线）的归一化，也有的是对每一次采样得到的数据进行归一化。                        
%% 使用PCA进行数据降维
[COEFFSCORElatenttsquare] = princomp（Y‘）;
input=SCORE（:1:npc）;                        %根据npc确定降维后特征矩阵维数      
%% svm进行模式识别——“留一法”
obj=[1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;1;
        2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;2;
        3;3;3;3;3;3;3;3;3;3;3;3;3;3;3;3;3;3;3;3;
        4;4;4;4;4;4;4;4;4;4;4;4;4;4;4;4;4;4;4;4];
    %% 交叉验证
       K=80;                                 %折成的份数
       indices = crossvalind（‘Kfold‘80K）;  % K=25102040    
           cp= classperf（obj）;            %要写成1234的形式
 for j = 1:K                        
           test = （indices == j）;            %交叉验证的