支持向量机matlab

本资源包含支持向量机的数学原理，多个代码例程文件，亲测matlab2018b通过，建议直接修改输入神经元个数和输入向量，另外，其算法接口与BP神经网络几乎完全一致，上手比较快

%% I. 清空环境变量

%% II. 导入数据


%%
% 1. 随机产生训练集和测试集
n = randperm（size（matrix1））;

%%
% 2. 训练集——80个样本
train_matrix = matrix（n（1:80）:）;
train_label = label（n（1:80）:）;

%%
% 3. 测试集——26个样本
test_matrix = matrix（n（81:end）:）;
test_label = label（n（81:end）:）;

%% III. 数据归一化
[Train_matrixPS] = mapminmax（train_matrix‘）;
Train_matrix = Train_matrix‘;
Test_matrix = mapminmax（‘apply‘test_matrix‘PS）;
Test_matrix = Test_matrix‘;

%% IV. SVM创建/训练（RBF核函数）
%%
% 1. 寻找最佳c/g参数——交叉验证方法
[cg] = meshgrid（-10:0.2:10-10:0.2:10）;
[mn] = size（c）;
cg = zeros（mn）;
eps = 10^（-4）;
v = 5;
bestc = 1;
bestg = 0.1;
bestacc = 0;
for i = 1:m
    for j = 1:n
        cmd = [‘-v ‘num2str（v）‘ -t 2‘‘ -c ‘num2str（2^c（ij））‘ -g ‘num2str（2^g（ij））];
        cg（ij） = svmtrain（train_labelTrain_matrixcmd）;     
        if cg（ij） > bestacc
            bestacc = cg（ij）;
            bestc = 2^c（ij）;
            bestg = 2^g（ij）;
        end        
        if abs（ cg（ij）-bestacc ）<=eps && bestc > 2^c（ij） 
            bestacc = cg（ij）;
            bestc = 2^c（ij）;
            bestg = 2^g（ij）;
        end               
    end
end
cmd = [‘ -t 2‘‘ -c ‘num2str（bestc）‘ -g ‘num2str（bestg）];

%%
% 2. 创建/训练SVM模型
model = svmtrain（train_labelTrain_matrixcmd）;

%% V. SVM仿真测试
[predict_label_1accuracy_1] = svmpredict（train_labelTrain_matrixmodel）;
[predict_label_2accuracy_2] = svmpredict（test_labelTest_matrixmodel）;
result_1 = [train_label predict_label_1];
result_2 = [test_label predict_label_2];

%% VI. 绘图
figure
plot（1:length（test_label）test_label‘r-*‘）
hold on
plot（1:length（test_label）predict_label_2‘b:o‘）
grid on
legend（‘真实类别‘‘预测类别‘）
xlabel（‘测试集样本编号‘）
ylabel（‘测试集样本类别‘）
string = {‘测试集SVM预测结果对比（RBF核函数）‘;
          [‘accuracy = ‘ num2str（accuracy_2（1）） ‘%‘]};
title（string）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-08-30 12:47  06 支持向量机（Support Vector Machine SVM）\
     文件      553665  2016-10-08 01:17  06 支持向量机（Support Vector Machine SVM）\Class_6.pdf
     目录           0  2018-07-04 00:20  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\
     目录           0  2018-08-30 12:42  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\Classification\
     文件        6802  2010-11-03 21:23  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\Classification\BreastTissue_data.mat
     目录           0  2018-08-30 12:41  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\Classification\html\
     文件       10246  2015-09-13 22:13  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\Classification\html\main.html
     文件        5730  2015-09-13 22:13  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\Classification\html\main.png
     文件       13144  2015-09-13 22:12  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\Classification\html\main_01.png
     文件        2010  2016-12-24 09:44  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\Classification\main.asv
     文件        1965  2016-12-24 09:47  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\Classification\main.m
     目录           0  2018-08-30 12:47  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\
     文件        3437  2014-07-09 13:36  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\AFEm.m
     文件         603  2014-07-09 13:36  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\MLP_kernel.m
     文件        1105  2014-07-09 13:36  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\RBF_kernel.m
     文件        5785  2014-07-09 13:36  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\bay_errorbar.m
     文件        1998  2014-07-09 13:36  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\bay_initlssvm.m
     文件       10339  2014-07-09 13:36  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\bay_lssvm.m
     文件        8187  2014-07-09 13:36  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\bay_lssvmARD.m
     文件        9358  2014-07-09 13:36  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\bay_modoutClass.m
     文件        5843  2014-07-09 13:36  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\bay_optimize.m
     文件        4312  2014-07-09 13:36  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\bay_rr.m
     文件        1479  2014-07-09 13:36  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\bitreverse32.m
     文件        5576  2014-07-09 13:36  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\changelssvm.m
     文件        4744  2014-07-09 13:36  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\cilssvm.m
     文件        4245  2014-07-09 13:36  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\code.m
     文件        5194  2014-07-09 13:36  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\code_ECOC.m
     文件         548  2014-07-09 13:36  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\code_MOC.m
     文件         361  2014-07-09 13:36  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\code_OneVsAll.m
     文件         576  2014-07-09 13:36  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\code_OneVsOne.m
     文件        2107  2014-07-09 13:36  06 支持向量机（Support Vector Machine SVM）\Class_6_Code\LSSVM-1.6\codedist_bay.m
............此处省略338个文件信息