SVM支持向量机分类

%主函数
clear all;
close all;
C = 10;
kertype = ‘linear‘;
%训练样本
n = 50;
randn（‘state‘6）;
x1 = randn（2n）;    %2行N列矩阵
y1 = ones（1n）;       %1*N个1
x2 = 5+randn（2n）;   %2*N矩阵
y2 = -ones（1n）;      %1*N个-1
 
figure;
plot（x1（1:）x1（2:）‘bx‘x2（1:）x2（2:）‘k.‘）; 
axis（[-3 8 -3 8]）;
hold on;
 
X = [x1x2];        %训练样本d*n矩阵，n为样本个数，d为特征向量个数
Y = [y1y2];        %训练目标1*n矩阵，n为样本个数，值为+1或-1
svm = svmtrain（XYkertypeC）;
plot（svm.Xsv（1:）svm.Xsv（2:）‘ro‘）;

%测试
[x1x2] = meshgrid（-2:0.05:7-2:0.05:7）;  %x1和x2都是181*181的矩阵
[rowscols] = size（x1）;  
nt = rows*cols;                  
Xt = [reshape（x11nt）;reshape（x21nt）];
Yt = ones（1nt）;
result = svmtest（svm Xt Yt kertype）;

Yd = reshape（resultYrowscols）;
contour（x1x2Yd‘m‘）;

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
function svm = svmtrain（XYkertypeC）

options = optimset;    % Options是用来控制算法的选项参数的向量
options.LargeScale = ‘off‘;
options.Display = ‘off‘;

n = length（Y）;
H = （Y‘*Y）.*kernel（XXkertype）;
f = -ones（n1）; %f为1*n个-1f相当于Quadprog函数中的c
A = [];
b = [];
Aeq = Y; %相当于Quadprog函数中的A1b