支持向量机分类的相关函数

1. [nsv alpha bias] = svc(X,Y,ker,C)

X 是训练样本

Y 是训练样本的输出，即Label

ker 为核函数，支持向量机的工具箱支持如下几种核函数：

linear    poly    rbf    sigmoid    spline  bspline  fourier    erfb    anova

其中，除了linear和spline两个核函数之外，其他的核函数还需要设定一些参数。例如核函数poly的阶数、径向基函数rbf的宽度等。这些参数的设置在工具箱中的全局变量p1,p2中设置。

Values for ker: linear  -
                    poly    - p1 is degree of polynomial
                    rbf     - p1 is width of rbfs (sigma)
                    sigmoid - p1 is scale, p2 is offset
                    spline  -
                    bspline - p1 is degree of bspline
                    fourier - p1 is degree
                    erfb    - p1 is width of rbfs (sigma)
                    anova   - p1 is max order of terms

nsv 是svc函数返回的训练样本中支持向量的个数

alpha 是svc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

bias 是偏置量

2. predictedY = svcoutput(trnX,trnY,tstX,ker,alpha,bias,actfunc)

trnX 训练数据

trnY 训练数据类别

tstX 测试数据

ker  核函数

alpha 拉格朗日乘子 Lagrange Multipliers

bias 偏置量

actfunc 激励函数： 0(默认值) hard; 1  soft 平滑

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类情况，对最优分类面进行测试。

3. [h] = svcplot(X,Y,ker,alpha,bias,aspect,mag,xaxis,yaxis,input)

支持向量机分类绘图函数svcplot，用于绘制最优分类面，并标识出支持向量

X   训练数据

Y   训练数据类别

ker 核函数

alpha 拉格朗日乘子

bias 偏置量

aspect 图像纵横比: 0(默认) fixed; 1 variable

mag 缩放率 0.1默认

xaxis 1(默认)

yaxis 2(默认)

input vector of input values (default: zeros(no_of_inputs))

4. err = svcerror(trnX,trnY,tstX,tstY,ker,alpha,bias)

统计测试样本分类错误数量的函数，用于统计利用已知的最优分类面对测试样本进行分类，发生错误分类的数目

trnX 训练数据

trnY 训练目标类别

tstX 预测数据

tstY 预测目标类别

ker  核函数

alpha 拉格朗日乘子

bias 偏置量

5. uiclass

简易图形用户界面函数。