最小二乘支持向量机(LS-SVM)工具箱及使用说明
来源:互联网 发布:linux系统版本怎么看 编辑:程序博客网 时间:2024/06/10 18:19
最小二乘支持向量机Matlab工具箱 下载址:
http://www.esat.kuleuven.be/sista/lssvmlab
点击 Latest version: LS-SVMlab v1.8 (August 16, 2011)
有两个版本: Matlab R2006a - R2009a: LS-SVMlab1.8 - Linux and Windows (32 and 64 bit):
Matlab R2009b - R2013a: LS-SVMlab1.8 - Linux and Windows (32 and 64 bit):
根据自己Matlab的版本下载,我下载的是第二个“Matlab R2009b - R2013a”,直接进行解压得到文件下“LSSVMlabv1_8_R2009b_R2011a”,就是这样,我的Matlab版本是2012a,可以使用。
下一步,将最小二乘支持向量机Matlab工具箱(LSSVMlabv1_8_R2009b_R2011a)所在的目录添加到Matlab工作搜索目录。
具体操作:在Matlab菜单栏中选择File—>Set Path—>Add with Subfoldders,然后选择LSSVMlabv1_8_R2009b_R2011a文件夹,最后单击 Save就可以了。
1.LS-SVM分类的小例子
clear allclc;X = 2.*rand(30,2)-1;Y = sign(sin(X(:,1))+X(:,2));gam = 10;sig2 = 0.2;type = 'classification';[alpha,b] = trainlssvm({X,Y,type,gam,sig2,'RBF_kernel'});%[alpha,b] = trainlssvm({X,Y,type,gam,sig2,'RBF_kernel','original'});%[alpha,b] = trainlssvm({X,Y,type,gam,sig2,'RBF_kernel','preprocess'});Xt = 2.*rand(10,2)-1;disp(' >> Ytest = simlssvm({X,Y,type,gam,sig2,''RBF_kernel'',''preprocess''},{alpha,b},Xt);');Ytest = simlssvm({X,Y,type,gam,sig2,'RBF_kernel','preprocess'},{alpha,b},Xt);figure; plotlssvm({X,Y,type,gam,sig2,'RBF_kernel','preprocess'},{alpha,b});2.LS-SVM回归分析的小例子
clc;X = (-3:0.2:3)';eval('Y = sinc(X)+0.1.*randn(length(X),1);',... 'Y = sin(pi.*X+12345*eps)./(pi*X+12345*eps)+0.1.*randn(length(X),1);');gam = 10;sig2 = 0.3;type = 'function estimation';[alpha,b] = trainlssvm({X,Y,type,gam,sig2,'RBF_kernel'});%[alpha,b] = trainlssvm({X,Y,type,gam,sig2,'RBF_kernel','original'});%[alpha,b] = trainlssvm({X,Y,type,gam,sig2,'RBF_kernel','preprocess'});Xt = 3.*randn(10,1);Yt = simlssvm({X,Y,type,gam,sig2,'RBF_kernel','preprocess'},{alpha,b},Xt);figure; plotlssvm({X,Y,type,gam,sig2,'RBF_kernel','preprocess'},{alpha,b});hold offXt = (min(X):.1:max(X))'; eval('Yt = sinc(Xt);',... 'Yt = sin(pi.*Xt+12345*eps)./(pi*Xt+12345*eps)+0.1.*randn(length(Xt),1);');hold on; plot(Xt,Yt,'r-.'); hold off
更详细的讲解参考 文件夹“LSSVMlabv1_8_R2009b_R2011a”下的8个demo:demomulticlass.m、demomodel.m、demofun.m等
和《最小二乘支持向量机工具箱使用指南》
链接:http://download.csdn.net/detail/u012507022/9473214
4 0
- 最小二乘支持向量机(LS-SVM)工具箱及使用说明
- 最小二乘支持向量机(LSSVM)简述
- 最小二乘支持向量机——LSSVM
- 最小二乘支持向量机(LSSVM)简述
- 支持向量机SVM(二
- 支持向量机(SVM)(二)
- 基于粒子群算法的最小二乘支持向量机实现多分类(PSO_LSSVM)
- 稀疏化鲁棒最小二乘支持向量机与多目标遗传优化
- SVM-支持向量机(二)
- 支持向量机SVM(二)
- 支持向量机SVM(二)
- 支持向量机SVM(二)
- 支持向量机SVM(二)
- 支持向量机SVM(二)
- 支持向量机SVM(二)
- 支持向量机SVM(二)
- 支持向量机SVM(二)
- 支持向量机SVM(二)
- 百度地图定位API,精度提高
- Android开发工具
- codeforces_652C. Foe Pairs
- 集合第八发练习之容器版V2.0
- 最小二乘法求AR模型
- 最小二乘支持向量机(LS-SVM)工具箱及使用说明
- Java 递归实现格雷码(Gray Code)
- vi基础配置
- 产品学习笔记6—MVP产品理念
- 【资源汇集.转】Python 学习资源
- JSp+javaBean开发模式---求和运算
- PHP项目的设计过程
- 深度学习(三十五)对抗网络学习笔记-未完待续
- 你刚才在淘宝上买了一件东西