最小二乘支持向量机MATLAB程序，可分多类

该代码可用于进行最小二乘支持向量机的训练数据，分类，有demo数据，可直接运行

function [sig_e baymodel] = bay_errorbar（modelXt type nb bay）
% Compute the error bars for a one dimensional regression problem
% 
% >> sig_e = bay_errorbar（{XY‘function‘gamsig2} Xt）
% >> sig_e = bay_errorbar（model Xt）
% 
% The computation takes into account the estimated noise variance
% and the uncertainty of the model parameters estimated by
% Bayesian inference. sig_e is the estimated standard deviation of
% the error bars of the points Xt. A plot is obtained by replacing
% Xt by the string ‘figure‘.
% 
%
% Full syntax
% 
%     1. Using the functional interface:
% 
% >> sig_e = bay_errorbar（{XY‘function‘gamsig2kernelpreprocess} Xt）
% >> sig_e = bay_errorbar（{XY‘function‘gamsig2kernelpreprocess} Xt type）
% >> sig_e = bay_errorbar（{XY‘function‘gamsig2kernelpreprocess} Xt type nb）
% >> sig_e = bay_errorbar（{XY‘function‘gamsig2kernelpreprocess} ‘figure‘）
% >> sig_e = bay_errorbar（{XY‘function‘gamsig2kernelpreprocess} ‘figure‘ type）
% >> sig_e = bay_errorbar（{XY‘function‘gamsig2kernelpreprocess} ‘figure‘ type nb）
% 
%       Outputs    
%         sig_e         : Nt x 1 vector with the [$ \sigma^2$] errorbands of the test data
%       Inputs    
%         X             : N x d matrix with the inputs of the training data
%         Y             : N x 1 vector with the inputs of the training data
%         type          : ‘function estimation‘ （‘f‘）
%         gam           : Regularization parameter
%         sig2          : Kernel parameter
%         kernel（*）     : Kernel type （by default ‘RBF_kernel‘）
%         preprocess（*） : ‘preprocess‘（*） or ‘original‘
%         Xt            : Nt x d matrix with the inputs of the test data
%         type（*）       : ‘svd‘（*） ‘eig‘ ‘eigs‘ or ‘eign‘
%         nb（*）         : Number of eigenvalues/eigenvectors used in the eigenvalue decomposition approximation
%
%     2. Using the object oriented interface:
% 
% >> [sig_e bay model] = bay_errorbar（model Xt）
% >> [sig_e bay model] = bay_errorbar（model Xt       type）
% >> [sig_e bay model] = bay_errorbar（model Xt       type nb）
% >> [sig_e bay model] = bay_errorbar（model ‘figure‘）
% >> [sig_e bay model] = bay_errorbar（model ‘figure‘ type）
% >> [sig_e bay model] = bay_errorbar（model ‘figure‘ type nb）
% 
%       Outputs    
%         sig_e     : Nt x 1 vector with the [$ \sigma^2$] errorbands of the test data
%         model（*）  : object oriented representation of the LS-SVM model
%         bay（*）    : object oriented representation of the results of the Bayesian inference
%       Inputs    
%         model     : object oriented representation of the LS-SVM model
%         Xt        : Nt x d matrix with the inputs of the test data
%         type（*）   : ‘svd‘（*） ‘eig‘ ‘eigs‘ or ‘eign‘
%         nb（*）     : Number of eigenvalues/eigenvectors used in the eigenvalue decomposition approximation
% 
% See also:
%   bay_lssvm bay_optimize bay_modoutClass plotlssvm

% Copyright （c） 2002

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2738  2003-02-21 22:39  LS-SVMlab1.5Advanced\AFE.M

     文件       5785  2003-02-21 22:39  LS-SVMlab1.5Advanced\bay_errorbar.m

     文件       2003  2003-02-21 22:39  LS-SVMlab1.5Advanced\bay_initlssvm.m

     文件      10345  2003-02-21 22:39  LS-SVMlab1.5Advanced\bay_lssvm.m

     文件       8187  2003-02-21 22:39  LS-SVMlab1.5Advanced\bay_lssvmARD.m

     文件       9358  2003-02-21 22:39  LS-SVMlab1.5Advanced\bay_modoutClass.m

     文件       5977  2003-02-21 22:39  LS-SVMlab1.5Advanced\bay_optimize.m

     文件       4178  2003-02-21 22:39  LS-SVMlab1.5Advanced\BAY_RR.M

     文件       5632  2003-02-21 22:39  LS-SVMlab1.5Advanced\changelssvm.m

     文件       4245  2003-02-21 22:39  LS-SVMlab1.5Advanced\CODE.M

     文件       2118  2003-02-21 22:39  LS-SVMlab1.5Advanced\codedist_bay.m

     文件        756  2003-02-21 22:39  LS-SVMlab1.5Advanced\codedist_hamming.m

     文件       2018  2003-02-21 22:39  LS-SVMlab1.5Advanced\codedist_loss.m

     文件       4125  2003-02-21 22:39  LS-SVMlab1.5Advanced\codelssvm.m

     文件       5197  2003-02-21 22:39  LS-SVMlab1.5Advanced\code_ECOC.m

     文件        550  2003-02-21 22:39  LS-SVMlab1.5Advanced\code_MOC.m

     文件        364  2003-02-21 22:39  LS-SVMlab1.5Advanced\code_OneVsAll.m

     文件        555  2003-02-21 22:39  LS-SVMlab1.5Advanced\code_OneVsOne.m

     文件       8174  2003-02-21 22:39  LS-SVMlab1.5Advanced\crossvalidate.m

     文件       1886  2003-02-21 22:39  LS-SVMlab1.5Advanced\deltablssvm.m

     文件       3369  2003-02-21 22:39  LS-SVMlab1.5Advanced\democlass.m

     文件       3864  2003-02-21 22:39  LS-SVMlab1.5Advanced\DEMOFUN.M

     文件       4747  2003-02-21 22:39  LS-SVMlab1.5Advanced\demomodel.m

     文件       2239  2003-02-21 22:39  LS-SVMlab1.5Advanced\demo_fixedclass.m

     文件       3099  2003-02-21 22:39  LS-SVMlab1.5Advanced\demo_fixedsize.m

     文件       3337  2003-02-21 22:39  LS-SVMlab1.5Advanced\demo_yinyang.m

     文件       3507  2003-02-21 22:39  LS-SVMlab1.5Advanced\denoise_kpca.m

     文件       3414  2003-02-21 22:39  LS-SVMlab1.5Advanced\EIGN.M

     文件       6927  2003-02-21 22:39  LS-SVMlab1.5Advanced\gridsearch.m

     文件       4042  2003-02-21 22:39  LS-SVMlab1.5Advanced\initlssvm.m

............此处省略55个文件信息