0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

支持向量机算法

嵌入式职场 来源:嵌入式职场 2023-06-18 17:32 次阅读

1、支持向量机

1、基于统计理论的学习系统

2、属于有监督学习的方法

3、用于样本分类

4、分为线性分类模型与非线性分类模型

下面看一道例题:有18组数据,有不同的类别属性,建立SVM模型。

c5243362-0c1b-11ee-962d-dac502259ad0.png

clear
clc
X0=xlsread('Excel文件位置','B2:E19');
for i=1:3
    X(:,i)=(X0(:,i)-mean(X0(:,i)))/std(X0(:,i));%数据标准化
end
[m,n]=size(X);
e=ones(m,1);
D=[X0(:,4)];
B=zeros(m,m);
C=zeros(m,m);
for i=1:m
    B(i,i)=1;
    C(i,i)=D(i,1);
end
A=[-X(:,1).*D,-X(:,2).*D,-X(:,3).*D,D,-B];
b=-e;
f=[0,0,0,0,ones(1,m)];
lb=[-inf,-inf,-inf,-inf,zeros(1,m)]';
x=linprog(f,A,b,[],[],lb);
W=[x(1,1),x(2,1),x(3,1)];
CC=x(4,1);
X1=[X(:,1),X(:,2),X(:,3)];
R1=X1*W'-CC;
R2=sign(R1);
disp('程序输出结果:');
disp('超平面方程为:');
disp(['X1:',num2str(x(1,1))]);
disp(['X2:',num2str(x(2,1))]);
disp(['X3:',num2str(x(3,1))]);
disp(['intercept:',num2str(x(4,1))]);
disp('超平面分类结果:');
R=[R1,R2]

结果展示:

Optimization terminated.
程序输出结果:
超平面方程为:
X1:2.4476
X2:0.07549
X3:1.17
intercept:0.70991

超平面分类结果:

R =

2.6679 1.0000
2.6442 1.0000
2.6488 1.0000
1.0000 1.0000
1.0000 1.0000
2.4507 1.0000
-0.8074 -1.0000
1.0000 1.0000
0.1764 1.0000
-1.0000 -1.0000
0.3683 1.0000
-1.7115 -1.0000
-3.7894 -1.0000
-6.5114 -1.0000
-5.3694 -1.0000
0.6273 1.0000
-4.1523 -1.0000
-4.0207 -1.0000

从结果可以看出存在一定的误差,例如,第16组数据分类为1。




审核编辑:刘清

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 向量机
    +关注

    关注

    0

    文章

    166

    浏览量

    20856
  • SVM
    SVM
    +关注

    关注

    0

    文章

    154

    浏览量

    32393

原文标题:支持向量机算法

文章出处:【微信号:嵌入式职场,微信公众号:嵌入式职场】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    #硬声创作季 人工智能入门课程:14. [2.9.1]--支持向量算法流程)

    向量人工智能机器学习
    Mr_haohao
    发布于 :2022年09月21日 11:13:02

    14. 2 9 支持向量算法流程) #硬声创作季

    机器学习
    充八万
    发布于 :2023年07月07日 01:29:38

    支持向量算法原理(1)#Python

    数据函数感知算法python
    未来加油dz
    发布于 :2023年08月23日 19:39:26

    支持向量算法原理(2)#Python

    数据函数感知算法python
    未来加油dz
    发布于 :2023年08月23日 19:40:36

    支持向量算法原理(3)#Python

    数据函数感知算法python
    未来加油dz
    发布于 :2023年08月23日 19:41:40

    故障诊断,主元分析法,基于支持向量算法

    那位大神有代码懂这个,可否帮助下,有偿服务!
    发表于 05-16 10:08

    求一个用LABVIEW实现支持向量算法的程序

    求一个用labview实现SVM算法的程序。
    发表于 05-18 23:50

    基于支持向量软测量技术的应用

    软测量技术在工业过程控制中得到广泛的应用。在软测量建模过程中,基于支持向量算法能较好地解决小样本、非线性、高维数、局部极小点等NJ题。在简单介绍最小二乘支
    发表于 03-14 16:13 15次下载

    一种改进的基于密度聚类模糊支持向量

    为了提高模糊支持向量在数据集上的训练效率,提出一种改进的基于密度聚类(DBSCAN)的模糊支持向量
    发表于 03-20 16:21 12次下载

    改进的支持向量特征选择算法

    针对采用支持向量进行分类的特征子集选择问题,提出一种改进的基于梯度向量的特征评测算法。该算法
    发表于 04-03 08:38 19次下载

    基于改进的支持向量的脱机中文签名验证

    针对支持向量算法的不足,将粗糙集和支持向量相结合
    发表于 02-16 16:14 15次下载
    基于改进的<b class='flag-5'>支持</b><b class='flag-5'>向量</b><b class='flag-5'>机</b>的脱机中文签名验证

    基于支持向量的电子鼻参数补偿的研究

    简要介绍采用HART协议的电子鼻系统和其电子元件,利用连续相位的FSK调制和解调技术使数据传输受到最小扰动。着重说明支持向量算法适合在小样本数据情况,其核函数可以向高维空间非线性映射
    发表于 12-31 09:23 11次下载

    基于标准支持向量的阵列波束优化及实现

    为了考察基于支持向量算法的波束形成器在实际水声环境中的主瓣宽度、旁瓣级以及阵增益等性能,将标准支持向量
    发表于 11-10 11:03 13次下载
    基于标准<b class='flag-5'>支持</b><b class='flag-5'>向量</b><b class='flag-5'>机</b>的阵列波束优化及实现

    电梯制动器静态制动力矩估算方法

    力矩估算方法,将利用制动器动态制动性能实验得到的制动初始速度与制动过程的平均制动力矩作为估算算法训练数据的输入值,将相同制动器对应的静态制动力矩作为估算算法训练数据的输出值,经过支持向量
    发表于 03-06 15:39 1次下载
    电梯制动器静态制动力矩估算方法

    基于深度信念网络的DDoS攻击检测算法

    差等缺陷,为此,提出一种基于深度信念网络(DBN)的DDoS攻击检测算法。分析SDN环境下DDoS攻击的机制,通过Wininet模拟SDN的网络拓扑结构,并使用 Wireshark完成DDoS流量数据包的收集和检测。实验结果表明,与ⅹ Gboost、随机森林、支持
    发表于 06-01 16:28 5次下载