SVM.zip_svm核函数_径向核函数_支持向量机_数据分类_核函数

%一次运行可得到每种情感的识别率 clear all; clc; load TYUTwasffs100.mat;%情感类别依次是悲伤、生气、高兴、惊奇、中性 load class250.mat; %A=normc(A);% 训练集 normc数值归一化 train=[TYUTwasffs(1:33,:);TYUTwasffs(51:83,:);TYUTwasffs(101:133,:);TYUTwasffs(151:183,:);TYUTwasffs(201:233,:)]; train_label=[class250(1:33,1);class250(51:83,1);class250(101:133,1);class250(151:183,1);class250(201:233,1)]; test=[TYUTwasffs(34:50,:);TYUTwasffs(84:100,:);TYUTwasffs(134:150,:);TYUTwasffs(184:200,:);TYUTwasffs(234:250,:)]; test_label=[class250(34:50,1);class250(84:100,1);class250(134:150,1);class250(184:200,1);class250(234:250,1)]; [train_final,test_final] = scaleForSVM(train,test,-1,1); [bestCVaccuracy,bestc,bestg] = SVMcgForClass(train_label,train_final);%参数寻优（核函数为径向基核函数，采用的参数寻优方法为网格寻优） tic; model=svmtrain(train_label,train_final, '-c 6.123 -g 0.4743'); % SVM模型有两个非常重要的参数C与gamma。其中 C是惩罚系数，即对误差的宽容度。c越高，说明越不能容忍出现误差,容易过拟合。C越小，容易欠拟合。C过大或过小，泛化能力变差 % gamma是选择RBF函数作为kernel后，该函数自带的一个参数。隐含地决定了数据映射到新的特征空间后的分布，gamma越大，支持向量越少，gamma值越小，支持向量越多。支持向量的个数影响训练与预测的速度。 toc; tic; [predict_label,accuracy]=svmpredict(test_label,test_final,model); toc; type = 1; CR = ClassResult(test_label,test_final, model, type);