『壹』 matlab 支持向量機工具箱怎麼用
有的工具箱有用戶交互界面，可以直接在MATLAB的啟動菜單下進入；
有的沒有用戶界面，但是有相關的程序（或者說函數）供調用；即使有界面的工具箱，也是有相應的函數的。
可以從幫助（Help）中查詢MATLAB的工具箱的詳細使用方法。
幫助裡面對主題進行了分類，進入工具箱那一類即可
『貳』 如何向MATLAB中添加新工具箱
今天費了好大的勁終於將SVM_SteveGunn添加至我的matlab工具箱內，並且已能成功運行，現在把在添加以及運行中出現的各種問題羅列如下，並一一解決：
1、將下載的svm工具箱添加至matlab安裝目錄下
1、單獨下載的工具箱
2、把新的工具箱拷貝到某個目錄（我的是D:softmatlab2011b oolbox）。
注意：你要是添加的很多個m文件，那就把這些m文件直接拷到再下一層你想要的工具箱的文件夾里
例如，我要添加的是支持向量機工具箱，在剛才的文件夾下我已經有svm（支持向量機工具箱）文件夾了，但有的m文件還沒有，我就把新的m文件統統拷到D:softmatlab2011b oolbox svm目錄下了。如果你連某工具箱（你打算添加的）的文件夾都沒有，那就把文件夾和文件一起拷到D:softmatlab2011b oolbox 下。
先把工具箱保存到MATLAB安裝目錄的根目錄下面，然後運行matlab---->file---->set path---->add folder 然後把你的工具箱文件夾添加進去就可以了
3、在matlab的菜單file下面的set path把它（ D:softmatlab2011b oolbox svm ）加上。
4、 把路徑加進去後在file→Preferences→General的Toolbox Path Caching里點擊update Toolbox Path Cache更新一下。
記得一定要更新！我就是沒更新，所以添加了路徑，一運行還是不行。後來更新了才行。
2、在對svm工具箱進行使用時，發現了'qp.dll 不是有效的 Win32 應用程序 '
問題描述：
mex在不同windows OS下編譯的結果，所以我們需要重新編譯一下qp.dll
解決方案：
steve gunn 的包下面有一個optimiser 文件夾，把current Diretory目錄改為optimiser目錄，例如E:matlabProgramSVM_SteveGunnOptimiser，然後運行命令
>> mex -v qp.c pr_loqo.c
命令運行完畢後，你會發現原先的qp.dll變為qp.dll.old，還出現了qp.mexw32，我們把該文件改為qp.dll 復制到工具箱文件夾下。原先的工具箱文件qp.dll可以先改一下名字...
3、我在運行第二步時發現了『D:SOFTMATLAB~3BINMEX.PL: Error: Compile of 'qp.c' failed. Error using mex (line 206)
Unable to complete successfully.
這個是因為編譯器設置的問題，這里需要重新選擇設置編譯器，設置編譯器的方法：
mex -setup(mex和-setup之間要有空格)，然後我選擇的VS2010，然後再繼續運行步驟2就成功了。
『叄』 可以使用的支持向量機（SVM）MATLAB程序，最好是和粒子群演算法（PSO）或者遺傳演算法（GA）耦聯的程序，謝謝
拉格朗日
function y=lagrange(x0,y0,x)
n=length(x0);m=length(x);
for i=1:m
z=x(i);
s=0.0;
for k=1:n
p=1.0;
for j=1:n
if j~=k
p=p*(z-x0(j))/(x0(k)-x0(j));
end
end
s=p*y0(k)+s;
end
y(i)=s;
end
SOR迭代法的Matlab程序
function [x]=SOR_iterative(A,b)
% 用SOR迭代求解線性方程組,矩陣A是方陣
x0=zeros(1,length(b)); % 賦初值
tol=10^(-2); % 給定誤差界
N=1000; % 給定最大迭代次數
[n,n]=size(A); % 確定矩陣A的階
w=1; % 給定鬆弛因子
k=1;
% 迭代過程
while k=N
x(1)=(b(1)-A(1,2:n)*x0(2:n)')/A(1,1);
for i=2:n
x(i)=(1-w)*x0(i)+w*(b(i)-A(i,1:i-1)*x(1:i-1)'-A(i,i+1:n)*x0(i+1:n)')/A(i,i);
end
if max(abs(x-x0))=tol
fid = fopen('SOR_iter_result.txt', 'wt');
fprintf(fid,'\n********用SOR迭代求解線性方程組的輸出結果********\n\n');
fprintf(fid,'迭代次數: %d次\n\n',k);
fprintf(fid,'x的值\n\n');
fprintf(fid, '%12.8f \n', x);
break;
end
k=k+1;
x0=x;
end
if k==N+1
fid = fopen('SOR_iter_result.txt', 'wt');
fprintf(fid,'\n********用SOR迭代求解線性方程組的輸出結果********\n\n');
fprintf(fid,'迭代次數: %d次\n\n',k);
fprintf(fid,'超過最大迭代次數，求解失敗！');
fclose(fid);
end
Matlab中龍格-庫塔(Runge-Kutta)方法原理及實現龍格-庫塔(Runge-Kutta)方法是一種在工程上應用廣泛的高精度單步演算法。由於此演算法精度高，採取措施對誤差進行抑制，所以其實現原理也較復雜。該演算法是構建在數學支持的基礎之上的。龍格庫塔方法的理論基礎來源於泰勒公式和使用斜率近似表達微分，它在積分區間多預計算出幾個點的斜率，然後進行加權平均，用做下一點的依據，從而構造出了精度更高的數值積分計算方法。如果預先求兩個點的斜率就是二階龍格庫塔法，如果預先取四個點就是四階龍格庫塔法。一階常微分方程可以寫作：y'=f(x,y),使用差分概念。
(Yn+1-Yn)/h= f(Xn,Yn)推出（近似等於，極限為Yn'）
Yn+1=Yn+h*f(Xn,Yn)
另外根據微分中值定理，存在0t1,使得
Yn+1=Yn+h*f(Xn+th,Y(Xn+th))
這里K＝f(Xn+th,Y(Xn+th))稱為平均斜率，龍格庫塔方法就是求得K的一種演算法。
利用這樣的原理，經過復雜的數學推導（過於繁瑣省略），可以得出截斷誤差為O(h^5)的四階龍格庫塔公式：
K1＝f(Xn,Yn);
K2=f(Xn+h/2,Yn+(h/2)*K1);
K3=f(Xn+h/2,Yn+(h/2)*K2);
K4=f(Xn+h,Yn+h*K3);
Yn+1=Yn+h*(K1+2K2+2K3+K4)*(1/6);
所以，為了更好更准確地把握時間關系，應自己在理解龍格庫塔原理的基礎上，編寫定步長的龍格庫塔函數，經過學習其原理，已經完成了一維的龍格庫塔函數。
仔細思考之後，發現其實如果是需要解多個微分方程組，可以想像成多個微分方程並行進行求解，時間，步長都是共同的，首先把預定的初始值給每個微分方程的第一步，然後每走一步，對多個微分方程共同求解。想通之後發現，整個過程其實很直觀，只是不停的逼近計算罷了。編寫的定步長的龍格庫塔計算函數：
function [x,y]=runge_kutta1(ufunc,y0,h,a,b)%參數表順序依次是微分方程組的函數名稱，初始值向量，步長，時間起點，時間終點（參數形式參考了ode45函數）
n=floor((b-a)/h);%求步數
x(1)=a;%時間起點
y(:,1)=y0;%賦初值，可以是向量，但是要注意維數
for ii=1:n
x(ii+1)=x(ii)+h;
k1=ufunc(x(ii),y(:,ii));
k2=ufunc(x(ii)+h/2,y(:,ii)+h*k1/2);
k3=ufunc(x(ii)+h/2,y(:,ii)+h*k2/2);
k4=ufunc(x(ii)+h,y(:,ii)+h*k3);
y(:,ii+1)=y(:,ii)+h*(k1+2*k2+2*k3+k4)/6;
%按照龍格庫塔方法進行數值求解
end
調用的子函數以及其調用語句：
function dy=test_fun(x,y)
dy = zeros(3,1);%初始化列向量
dy(1) = y(2) * y(3);
dy(2) = -y(1) + y(3);
dy(3) = -0.51 * y(1) * y(2);
對該微分方程組用ode45和自編的龍格庫塔函數進行比較，調用如下：
[T,F] = ode45(@test_fun,[0 15],[1 1 3]);
subplot(121)
plot(T,F)%Matlab自帶的ode45函數效果
title('ode45函數效果')
[T1,F1]=runge_kutta1(@test_fun,[1 1 3],0.25,0,15);%測試時改變test_fun的函數維數，別忘記改變初始值的維數
subplot(122)
plot(T1,F1)%自編的龍格庫塔函數效果
title('自編的 龍格庫塔函數')