%?線性孿生支持向量機二類分類算法


close?all
clear
clc
%--------------導入數據-------------------%
load?N_p???%?正類點數據，特征信息存放在行里面
load?N_n???%?負類點數據，特征信息存放在行里面
%-----------------------------------------%

?
%%?第一步：數據預處理
%--------?由原來的數據產生80%的訓練數據和20%的預測數據------------%
n_p=size（N_p1）;???????%?正類樣本個數
n_n=size（N_n1）;???????%?負類樣本個數
n1=randperm（n_p）;??????%?對1到n的n個正整數進行隨機不重復的排列，形成一個1行n列的矩陣
n2=randperm（n_n）;
f_p=floor（4*n_p/5）;????%?取80%的數據作為訓練集，其余20%作為預測集
f_n=floor（4*n_n/5）;?
data_train_p=N_p（n1（1:f_p）:）;??????????????????%?正類訓練數據
data_train_n=N_n（n2（1:f_n）:）;??????????????????%?負類訓練數據
data_train=[data_train_p;data_train_n];?????????%?訓練數據集（含正負類）
Y_train=[ones（f_p1）;-ones（f_n1）];?????????????%?訓練數據標簽集?

data_predict_p=N_p（n1（f_p+1:end）:）;????????????%?正類預測數據
data_predict_n=N_n（n2（f_n+1:end）:）;????????????%?負類預測數據
data_predict=[data_predict_p;data_predict_n];???%?預測數據集（含正負類）
Y_predict=[ones（n_p-f_p1）;-ones（n_n-f_n1）];???%?預測數據標簽集?
%----------------------------------------------------------------%
%----------相關參數初始化----------%

c1min=-2;????c1max=2;???????%孿生支持向量機參數?????????????
c2min=-2;????c2max=2;
best_c1=0;???best_c2=0;
aac=rand（101）;
bestAccuracy=0;
%--------------------------------%


%%?第二步：數據訓練尋找最優參數c1c2
%??將c1和c2劃分網格進行搜索
indices?=?crossvalind（‘Kfold‘Y_train10）;????
tic;
for?c1=2^（c1min）:1:2^（c1max）
????for?c2=2^（c2min）:1:2^（c2max）
????????%采用K-CV方法將data大致平均分為K組
????????for?run=?1:10
????????????test=（indices?==?run）;?train=~test;?
????????????
????????????train_data=data_train（train:）;????????????%?訓練數據集（含正類負類點集）??????????
????????????train_data_label=Y_train（train:）;?????????%?訓練集標簽（含正類負類點集）?
????????????
????????????test_data=data_train（test:）;??????????????%?預測數據集（含正類負類點集）?
????????????test_data_label=Y_train（test:）;???????????%?預測集標簽（含正類負類點集）?
????????????
????????????groupA=ismember（train_data_label1）;???????%?分出正類點的位置????????????
????????????groupB=ismember（train_data_label-1）;??????%?分出負類點的位置????????
???????
????????????A=train_data（groupA:）;????????????????????%?正類訓練數據????
????????????B=train_data（groupB:）;????????????????????%?負類訓練數據??
????????????%訓練數據
????????????[v1v2]=twinsvm_lin_train（ABc1c2）;?
????????????%用訓練所得孿生分類器進行分類
????????????[accuracy]=twinsvm_lin_predict（v1v2test_datatest_data_label）;
?????????????%下面用驗證集進行驗證并記錄此時的準確率
?????????????acc（run）=accuracy;
????????end
????????????cv=sum（aac）/10;
????????????if?（cv>bestAccuracy）
????????????????bestAccuracy=cv;
????????????????best_c1=c1;
????????????????best_c2=c2;
????????????end??????????
????end
end
disp（‘準確率及最優參數‘）;
str?=?sprintf（?‘Best?Cross?Validation?Accuracy?=?%g%%?;Best?c1?=?%g?;?Best?c2?=?%g;‘bestAccuracy*100best_c1best_c2）;
disp（str）;
t_train=toc

%---------------------------------------------------------------------%


%%?第三步：通過最優參數，對80%的數據訓練，產生分類面，利用20%的預測數據進行準確率計算
k=0;
c1=best_c1;
c2=best_c2;

tic;
[v1v2IBJA]=twinsvm_lin_train（data_train_pdata_train_nc1c2

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????4376??2014-12-03?19:12??TWSVM（線性）\lin_main.asv

?????文件???????4329??2014-12-03?19:15??TWSVM（線性）\lin_main.m

?????文件???????1781??2014-12-03?18:53??TWSVM（線性）\N_n.mat

?????文件???????1780??2014-12-03?18:54??TWSVM（線性）\N_p.mat

?????文件????????698??2014-12-03?19:22??TWSVM（線性）\twinsvm_lin_predict.asv

?????文件????????823??2014-12-03?19:26??TWSVM（線性）\twinsvm_lin_predict.m

?????文件???????1356??2014-12-03?19:17??TWSVM（線性）\twinsvm_lin_train.asv

?????文件???????1418??2014-12-03?19:18??TWSVM（線性）\twinsvm_lin_train.m

?????文件????????239??2014-11-05?17:00??TWSVM（非線性）\ker_Gaussian.m

?????文件???????3873??2014-12-03?20:05??TWSVM（非線性）\ker_Main.m

?????文件???????1535??2012-05-21?18:05??TWSVM（非線性）\N_n_ker.mat

?????文件???????1548??2012-05-21?18:05??TWSVM（非線性）\N_p_ker.mat

?????文件????????921??2014-12-03?20:05??TWSVM（非線性）\twinsvm_ker_predict.m

?????文件???????1253??2012-05-31?20:13??TWSVM（非線性）\twinsvm_ker_train.m

?????目錄??????????0??2014-12-03?19:54??TWSVM（線性）

?????目錄??????????0??2014-12-03?20:07??TWSVM（非線性）

-----------?---------??----------?-----??----

????????????????25930????????????????????16