基于Matlab的支持向量机工具箱_郭小荟1

第 24卷第 12期  计算机应用与软件 24 12

2007年 12月   2007

收稿日期 2006 01 20 江苏省自 然科学基 金项目 2003026

郭小荟  讲师  主研领域 软件工程  故障诊断  人工智能应用等 

基于 的支持向量机工具箱

郭小荟

1 2

马小平

1





  221008   

  221116   

 









1支持向量机工具箱函数及相关函数简介

回归

1支持 向 量 机 设 计 和 训 练 函 数 该 函 数 用 来 进 行

分类器的设计和对训练样本进行训 练  该函数 有 四 个

参数 分别 是 训练样本的输入训练样本的输出 核函 数和 惩

罚因子  输出参数为 支 持 向 量 个 数拉格 朗 日 乘 子及 偏 置

量  其语法为 

      除了  和  这两 个核 函

数之外 其他的核函数还需要设定一些参数 如指定多项式核 函

数 的阶 数 径向基 核函数  的宽 度等  这些参数的设

置在工具箱中的全局变量 1 2中设置 

是 函数返回的训练样本中支持向量的个数

是 函数返回的每个训练样本对应的拉格朗日乘

子 拉 格朗日乘子不为零的向量即为支持向量

0是偏置量 

2输出函数 该函数根据训练样本得到的最优

分类面计算实际样本的输出 利用它还可以得到测试样本的 分