%?支持向量機(jī)用于多類模式分類?-?必須選擇最優(yōu)參數(shù)?gamsig2
%?工具箱：LS_SVMlab
%?使用平臺：Matlab6.5
%?作者：陸振波，海軍工程大學(xué)
%?歡迎同行來信交流與合作，更多文章與程序下載請訪問我的個人主頁
%?電子郵件：luzhenbo@sina.com
%?個人主頁：luzhenbo.88uu.com.cn

clc
clear
close?all

%---------------------------------------------------
%?產(chǎn)生訓(xùn)練樣本與測試樣本，每一列為一個樣本

n1?=?[rand（35）rand（35）+1rand（35）+2];
x1?=?[1*ones（15）2*ones（15）3*ones（15）];?????%?特別注意：這里的目標(biāo)與神經(jīng)網(wǎng)絡(luò)不同

n2?=?[rand（35）rand（35）+1rand（35）+2];
x2?=?[1*ones（15）2*ones（15）3*ones（15）];?????%?特別注意：這里的目標(biāo)與神經(jīng)網(wǎng)絡(luò)不同

xn_train?=?n1;??????????%?訓(xùn)練樣本
dn_train?=?x1;??????????%?訓(xùn)練目標(biāo)

xn_test?=?n2;???????????%?測試樣本
dn_test?=?x2;???????????%?測試目標(biāo)

%---------------------------------------------------
%?參數(shù)設(shè)置

X?=?xn_train‘;
Y?=?dn_train‘;
Xt?=?xn_test‘;
Yt?=?dn_test‘;

type?=?‘c‘;
kernel_type?=?‘RBF_kernel‘;
gam?=?2;
sig2?=?2;

preprocess?=?‘preprocess‘;
codefct?=?‘code_MOC‘;???????????

%?將“多類”轉(zhuǎn)換成“兩類”的編碼方案
%?1.?Minimum?Output?Coding?（code_MOC）?
%?2.?Error?Correcting?Output?Code?（code_ECOC）
%?3.?One?versus?All?Coding?（code_OneVsAll）
%?4.?One?Versus?One?Coding?（code_OneVsOne）?

%---------------------------------------------------
%?編碼

[Yccodebookold_codebook]?=?code（Ycodefct）;

%---------------------------------------------------
%?交叉驗證優(yōu)化參數(shù)

%[gamsig2]?=?tunelssvm（{XYctypegamsig2kernel_typepreprocess}）

%---------------------------------------------------
%?訓(xùn)練與測試

[alphab]?=?trainlssvm（{XYctypegamsig2kernel_typepreprocess}）;???????????%?訓(xùn)練
Yd0?=?simlssvm（{XYctypegamsig2kernel_typepreprocess}{alphab}Xt）;??????%?分類

%---------------------------------------------------
%?解碼

Yd?=?code（Yd0old_codebook[]codebook）;

%---------------------------------------------------
%?結(jié)果統(tǒng)計

Result?=?~abs（Yd-Yt）???????????????%?正確分類顯示為1
Percent?=?sum（Result）/length（Result）???%?正確分類率

%---------------------------------------------------
%?注意：以這兩種寫法等價

%?--?1?--
%?[Yccodebookold_codebook]?=?code（Y?codefct）
%?[alpha?b]?=?trainlssvm（{XYctypegamsig2kernelpreprocess}）
%?Yd0?=?simlssvm（{XYctypegamsig2kernel}?{alphab}?Xt）
%?Yd?=?code（Yd0old_codebook[]codebook）

%?--?2?--
%?model?=?initlssvm（XYtypegamsig2kernelpreprocess）
%?model?=?changelssvm（model‘codetype‘codefct）
%?model?=?trainlssvm（model）
%?Yd?=?simlssvm（model?Xt）

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2018-04-02?19:11??基于四種SVM工具箱的分類與回歸算法\
?????文件?????????691??2017-05-23?16:20??基于四種SVM工具箱的分類與回歸算法\buffer.mc
?????文件????????2560??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\Classification_LS_SVMlab.m
?????文件????????2063??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\Classification_OSU_SVM.m
?????文件????????2339??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\Classification_stprtool.m
?????文件????????1530??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\Classification_SVM_SteveGunn.m
?????目錄???????????0??2018-04-02?19:11??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\
?????文件????????2738??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\AFE.m
?????文件????????5785??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\bay_errorbar.m
?????文件????????2003??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\bay_initlssvm.m
?????文件???????10345??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\bay_lssvm.m
?????文件????????8187??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\bay_lssvmARD.m
?????文件????????9358??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\bay_modoutClass.m
?????文件????????5977??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\bay_optimize.m
?????文件????????4178??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\bay_rr.m
?????文件????????1691??2017-05-23?15:49??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\buffer.mc
?????文件????????5632??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\changelssvm.m
?????文件????????4245??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\code.asv
?????文件????????4245??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\code.m
?????文件????????2118??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\codedist_bay.m
?????文件?????????756??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\codedist_hamming.m
?????文件????????2018??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\codedist_loss.m
?????文件????????4125??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\codelssvm.m
?????文件????????5197??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\code_ECOC.m
?????文件?????????550??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\code_MOC.m
?????文件?????????364??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\code_OneVsAll.m
?????文件?????????555??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\code_OneVsOne.m
?????文件??????????32??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\Contents.m
?????文件????????8174??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\crossvalidate.m
?????文件????????1886??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\deltablssvm.m
?????文件????????3369??2017-05-22?14:39??基于四種SVM工具箱的分類與回歸算法\LS_SVMlab\democlass.m
............此處省略420個文件信息