lssvm工具箱怎麼用

Ⅲ 關於matlab的SVM工具箱的幾個函數

能不用自帶函數不，給你個最小二乘支持向量機的自編代碼
clear all;
clc;
N=35; %樣本個數
NN1=4; %預測樣本數
%********************隨機選擇初始訓練樣本及確定預測樣本*******************************
x=[];
y=[];
index=randperm(N); %隨機排序N個序列
index=sort(index);
gama=23.411; %正則化參數
deita=0.0698; %核參數值
%thita=; %核參數值
%*********構造感知機核函數*************************************
%for i=1:N
% x1=x(:,index(i));
% for j=1:N
% x2=x(:,index(j));
% K(i,j)=tanh(deita*(x1'*x2)+thita);
% end
%end
%*********構造徑向基核函數**************************************
for i=1:N
x1=x(:,index(i));
for j=1:N
x2=x(:,index(j));
x12=x1-x2;
K(i,j)=exp(-(x12'*x12)/2/(deita*deita));
end
end
%*********構造多項式核函數****************************************
%for i=1:N
% x1=x(:,index(i));
% for j=1:N
% x2=x(:,index(j));
% K(i,j)=(1+x1'*x2)^(deita);
% end
%end
%*********構造核矩陣************************************
for i=1:N-NN1
for j=1:N-NN1
omeiga1(i,j)=K(i,j);
end
end
omeiga2=omeiga1';
omeiga=omeiga2+(1/gama)*eye(N-NN1);
A12=ones(1,N-NN1);
A21=A12';
A=[0 A12;A21 omeiga];
%**************************************
for i=1:N-NN1
B21(i,:)=y(index(i));
end
B=[0;B21];
%********LS-SVM模型的解******************************
C=A\B;
%******
b=C(1); %模型參數
for i=1:N-NN1
aipha(i)=C(i+1); %模型參數，行向量
end
%*******************************************
for i=1:N %預測模型
aifx(i)=b+(aipha)*K(1:N-NN1,i);
end
%*******************************************
aifx
index

Ⅳ 有人知道怎麼把SVDD工具箱裝到libsvm嗎

1 先下載 libsvm-svdd-3.18.zip和 libsvm-3.18.zip，並解壓得到文件夾 libsvm-svdd-3.18和libsvm-3.18；
2 將文件夾 libsvm-svdd-3.18根目錄下的svm.cpp、svm.h和svm-train.c復制到 libsvm-3.18根目錄下並覆蓋回原來的這3個文件；將答文件夾 libsvm-svdd-3.18中 matlab里的文件 svmtrain.c 復制到 libsvm-3.18中的matlab文件夾中覆蓋原來的c文件；
3 安裝 libsvm-3.18，這個教程網上一大堆，主要是兩步：mex -setup和 make；
4 測試安裝是否成功。

Ⅳ 支持向量機中所謂的支持向量究竟是什麼

在支持向量機中，距離超平面最近的且滿足一定條件的幾個訓練樣本點被稱為支持向量。

圖中有紅色和藍色兩類樣本點。黑色的實線就是最大間隔超平面。在這個例子中，A，B，C 三個點到該超平面的距離相等。

注意，這些點非常特別，這是因為超平面的參數完全由這三個點確定。該超平面和任何其他的點無關。如果改變其他點的位置，只要其他點不落入虛線上或者虛線內，那麼超平面的參數都不會改變。A，B，C 這三個點被稱為支持向量（support vectors）。

(5)lssvm工具箱怎麼用擴展閱讀

一、應用

SVM在各領域的模式識別問題中有廣泛應用，包括人像識別（face recognition） 、文本分類（text categorization） 、筆跡識別（handwriting recognition） 、生物信息學 等。

二、SVM 的優點

1、高維度：SVM 可以高效的處理高維度特徵空間的分類問題。這在實際應用中意義深遠。比如，在文章分類問題中，單詞或是片語組成了特徵空間，特徵空間的維度高達 10 的 6 次方以上。

2、節省內存：盡管訓練樣本點可能有很多，但 SVM 做決策時，僅僅依賴有限個樣本（即支持向量），因此計算機內存僅僅需要儲存這些支持向量。這大大降低了內存佔用率。

3、應用廣泛：實際應用中的分類問題往往需要非線性的決策邊界。通過靈活運用核函數，SVM 可以容易的生成不同的非線性決策邊界，這保證它在不同問題上都可以有出色的表現（當然，對於不同的問題，如何選擇最適合的核函數是一個需要使用者解決的問題）。

Ⅵ 怎麼在matlab平台上安裝ls svmlab這個工具箱

第一步：首先將解壓得到的文件夾拷貝到自己MATLAB的安裝目錄下，如
C:\Program Files\MATLAB\R2012b\toolbox\LSSVMlabv1_8_R2009b_R2011a

第二步：打開MATLAB，如果是Matlab7.0的話單擊File，如何是2012的話在home面板上，靠近Layout那裡有Set Path，然後選擇Set Path這一選項，這時會出現Set Path的窗口，點擊 Add Folder。。。將剛才拷貝到目錄下的那個文件夾添加進來，點擊Save,然後close。
第三步：檢驗工具箱是否添加成功：在MATLAB 的命令窗口中輸入：
which tunelssvm.m
如果出現下面的情況：
>> which tunelssvm.m
C:\Program Files\MATLAB\R2012b\toolbox\LSSVMlabv1_8_R2009b_R2011a\tunelssvm.m
則表示安裝成功。

Ⅶ libsvm工具箱和lssvm工具箱有什麼區別

1、這兩個意義完全不一樣，lssvm是最小二乘支持向量機，是一種演算法 libsvm是一個支持版向量機的工具集合，權一個庫；
2、LIBSVM是台灣大學林智仁(Lin Chih-Jen)副教授等開發設計的一個簡單、易於使用和快速有效的SVM模式識別與回歸的軟體包，不但提供了編譯好的可在Windows系列系統的執行文件，還提供了源代碼，方便改進、修改以及在其它操作系統上應用；
3、而LSSVM是支持向量機演算法的一種改進版本——即最小二乘支持向量機（Least Squares Support Vector Machine）。

Ⅷ 神經網路matlab分析時 錯誤使用 struct 無法從 double 轉換為 struct。

該問題是由工具箱路徑引起，在Matlab中文論壇解答如下：
「這個問題很好解決，你專把你的lssvm的那個工具箱屬remove from the path,然後libsvm工具箱也remove from the path，然後就可以了，我一般都是手動加工具箱的，避免運行出錯。」
也就是把對應的LSSVM工具箱的路徑刪掉

我自己試了一下確實可以，應該主要LS-SVM的工具箱！！！