%與svmandknn相比，此程序可以實現每類采樣點不一致的分類

clcclear?all?;
t0=clock;
load?train_sample
load?AA
[m1n1]=size（train_sample）;
[m2n2]=size（AA）;
B=cell（1m2）;
C=cell（1m2）;
for?i=1:1:m2
????D=find（train_sample（:1）==AA（i1））;
????[m3n3]=size（D）;
????E=zeros（m3n1-1）;
????F=zeros（m31）;
????for?j=1:1:m3?
??????n=D（j）;
??????E（j1:end）=train_sample（n2:end）;
??????F（j1）=train_sample（n1）;
????end
????B{1i}=E;
????C{1i}=F;
end
q=（m2/2）*（m2-1）;???????????%分類器的總數，m2是訓練樣本的種類數
svmstruct=cell（q1）;????%分類模型集
species=zeros（q1）;??????%分類結果集
%構建分類模型===============================================================
p=1;
for?i=1:1:m2
????for?j=（i+1）:1:m2
????????data=[B{:i};B{:j}];
????????group=[C{:i};C{:j}];
????????svmstruct{p1}=svmtrain（datagroup）;
????????p=p+1;
????end
end
%----------------用分類模型實現分類（在線測量階段）---------------------------
tic
load?