matlab工具箱的相关资料。。。

matlab中SVM工具箱的使用方法

1,下载SVM工具箱:http://see.xidian.edu.cn/faculty/chzheng/bishe/indexfiles/indexl.htm 2,安装到matlab文件夹中 1)将下载的SVM工具箱的文件夹放在/matlab71/toolbox/下 2)打开matlab->File->Set Path中添加SVM工具箱的文件夹 现在,就成功的添加成功了. 可以测试一下:在matlab中输入which svcoutput 回车,如果可以正确显示路径,就证明添加成功了,例如: C:/Program Files/MATLAB71/toolbox/svm/svcoutput.m 3,用SVM做分类的使用方法 1)在matlab中输入必要的参数:X,Y,ker,C,p1,p2     我做的测试中取的数据为:      N = 50;     n=2*N;     randn('state',6);     x1 = randn(2,N)     y1 = ones(1,N);     x2 = 5+randn(2,N);     y2 = -ones(1,N);     figure;     plot(x1(1,:),x1(2,:),'bx',x2(1,:),x2(2,:),'k.');     axis([-3 8 -3 8]);     title('C-SVC')     hold on;     X1 = [x1,x2];     Y1 = [y1,y2];       X=X1';     Y=Y1';     其中,X是100*2的矩阵,Y是100*1的矩阵     C=Inf;     ker='linear';     global p1 p2     p1=3;     p2=1;     然后,在matlab中输入:[nsv alpha bias] = svc(X,Y,ker,C),回车之后,会显示:     Support Vector Classification _____________________________ Constructing ... Optimising ... Execution time: 1.9 seconds Status : OPTIMAL_SOLUTION |w0|^2    : 0.418414 Margin    : 3.091912 Sum alpha : 0.418414 Support Vectors : 3 (3.0%) nsv =      3 alpha =     0.0000     0.0000     0.0000     0.0000     0.0000     2)输入预测函数,可以得到与预想的分类结果进行比较.       输入:predictedY = svcoutput(X,Y,X,ker,alpha,bias),回车后得到:      predictedY =      1      1      1      1      1      1      1      1      1     3)画图       输入:svcplot(X,Y,ker,alpha,bias),回车   参考资料：http://hi.baidu.com/einyboy/blog/item/750db308dc49648fd1581b98.html