lssvm工具箱怎么用

Ⅲ 关于matlab的SVM工具箱的几个函数

能不用自带函数不，给你个最小二乘支持向量机的自编代码
clear all;
clc;
N=35; %样本个数
NN1=4; %预测样本数
%********************随机选择初始训练样本及确定预测样本*******************************
x=[];
y=[];
index=randperm(N); %随机排序N个序列
index=sort(index);
gama=23.411; %正则化参数
deita=0.0698; %核参数值
%thita=; %核参数值
%*********构造感知机核函数*************************************
%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
%*********构造径向基核函数**************************************
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
%*********构造多项式核函数****************************************
%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
%*********构造核矩阵************************************
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); %模型参数
for i=1:N-NN1
aipha(i)=C(i+1); %模型参数，行向量
end
%*******************************************
for i=1:N %预测模型
aifx(i)=b+(aipha)*K(1:N-NN1,i);
end
%*******************************************
aifx
index

Ⅳ 有人知道怎么把SVDD工具箱装到libsvm吗

1 先下载 libsvm-svdd-3.18.zip和 libsvm-3.18.zip，并解压得到文件夹 libsvm-svdd-3.18和libsvm-3.18；
2 将文件夹 libsvm-svdd-3.18根目录下的svm.cpp、svm.h和svm-train.c复制到 libsvm-3.18根目录下并覆盖回原来的这3个文件；将答文件夹 libsvm-svdd-3.18中 matlab里的文件 svmtrain.c 复制到 libsvm-3.18中的matlab文件夹中覆盖原来的c文件；
3 安装 libsvm-3.18，这个教程网上一大堆，主要是两步：mex -setup和 make；
4 测试安装是否成功。

Ⅳ 支持向量机中所谓的支持向量究竟是什么

在支持向量机中，距离超平面最近的且满足一定条件的几个训练样本点被称为支持向量。

图中有红色和蓝色两类样本点。黑色的实线就是最大间隔超平面。在这个例子中，A，B，C 三个点到该超平面的距离相等。

注意，这些点非常特别，这是因为超平面的参数完全由这三个点确定。该超平面和任何其他的点无关。如果改变其他点的位置，只要其他点不落入虚线上或者虚线内，那么超平面的参数都不会改变。A，B，C 这三个点被称为支持向量（support vectors）。

(5)lssvm工具箱怎么用扩展阅读

一、应用

SVM在各领域的模式识别问题中有广泛应用，包括人像识别（face recognition） 、文本分类（text categorization） 、笔迹识别（handwriting recognition） 、生物信息学 等。

二、SVM 的优点

1、高维度：SVM 可以高效的处理高维度特征空间的分类问题。这在实际应用中意义深远。比如，在文章分类问题中，单词或是词组组成了特征空间，特征空间的维度高达 10 的 6 次方以上。

2、节省内存：尽管训练样本点可能有很多，但 SVM 做决策时，仅仅依赖有限个样本（即支持向量），因此计算机内存仅仅需要储存这些支持向量。这大大降低了内存占用率。

3、应用广泛：实际应用中的分类问题往往需要非线性的决策边界。通过灵活运用核函数，SVM 可以容易的生成不同的非线性决策边界，这保证它在不同问题上都可以有出色的表现（当然，对于不同的问题，如何选择最适合的核函数是一个需要使用者解决的问题）。

Ⅵ 怎么在matlab平台上安装ls svmlab这个工具箱

第一步：首先将解压得到的文件夹拷贝到自己MATLAB的安装目录下，如
C:\Program Files\MATLAB\R2012b\toolbox\LSSVMlabv1_8_R2009b_R2011a

第二步：打开MATLAB，如果是Matlab7.0的话单击File，如何是2012的话在home面板上，靠近Layout那里有Set Path，然后选择Set Path这一选项，这时会出现Set Path的窗口，点击 Add Folder。。。将刚才拷贝到目录下的那个文件夹添加进来，点击Save,然后close。
第三步：检验工具箱是否添加成功：在MATLAB 的命令窗口中输入：
which tunelssvm.m
如果出现下面的情况：
>> which tunelssvm.m
C:\Program Files\MATLAB\R2012b\toolbox\LSSVMlabv1_8_R2009b_R2011a\tunelssvm.m
则表示安装成功。

Ⅶ libsvm工具箱和lssvm工具箱有什么区别

1、这两个意义完全不一样，lssvm是最小二乘支持向量机，是一种算法 libsvm是一个支持版向量机的工具集合，权一个库；
2、LIBSVM是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；
3、而LSSVM是支持向量机算法的一种改进版本——即最小二乘支持向量机（Least Squares Support Vector Machine）。

Ⅷ 神经网络matlab分析时 错误使用 struct 无法从 double 转换为 struct。

该问题是由工具箱路径引起，在Matlab中文论坛解答如下：
“这个问题很好解决，你专把你的lssvm的那个工具箱属remove from the path,然后libsvm工具箱也remove from the path，然后就可以了，我一般都是手动加工具箱的，避免运行出错。”
也就是把对应的LSSVM工具箱的路径删掉

我自己试了一下确实可以，应该主要LS-SVM的工具箱！！！