



下載本文檔
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、-8-6-4-20246式識(shí)別第二次作業(yè)1、調(diào)用seqminopt. m函數(shù)(matlab匸具箱函數(shù))替代svm_matlab中的fmincon函數(shù)。seqminopt函數(shù)的調(diào)用方法如下形式:ALPHA OFFSET二seqminopt (TWINING, Y, BOXC, KERNELFUNC, SMOOPTIONS)輸入輸出各變量含義如下:TRAINING待訓(xùn)練數(shù)據(jù)Y列向量,代表響應(yīng)數(shù)據(jù),為1BOXC松弛變量,列向量KERNELFUNC句柄SMOOPTIONS可選,用于設(shè)置迭代次數(shù)等ALPHA優(yōu)化得到的aOFFSET超平面偏移使用fmincon函數(shù)結(jié)果為:W_fmincon =0. 158
2、10.31000. 0900用seqminopt替換fmincon后結(jié)果為:W_seqminopt =0. 15810.31000. 0900可以發(fā)現(xiàn)兩種形式下結(jié)果是一樣的。設(shè)置100個(gè)離散點(diǎn),分類結(jié)果為:8程序close all;clear all;clc%生成訓(xùn)練數(shù)據(jù)Objl.NTrain二100;Objl. mean = 1 * 3; 5;Obj1. SampTrain = randn (2,Objl. NTrain);Objl.NTest = 50;Objl. NTrain)+ kron(Objl. mean,ones (1,Obj1. SampTest = randn(2,Objl.
3、NTest);Objl.NTest)+ kron (Obj 1. mean,ones (1,0bj2. NTrain = 100;0bj2. mean = -1 * 3; 5;Obj2 SampTrain = randn(2, Obj2.NTrain);Obj2. NTrain)+ kron(Obj2 mean,ones (1,0bj2. NTest = 50;Obj2 .SampTest = randn(2,0bj2. NTest)+ kron (Obj2 mean,ones (1,Obj2.NTest);TestMatrix = zeros (2):cnt_cl = 1:cnt_c2 =
4、1:tt = 1 : 1000;tt = (tt一500) * 0. 01;figure;plot (Obj 1. SampTrain(l, :), Objl SampT:rdin(2, :), bo,Jlinewidth, 2,markersize, 5)hold on;plot (Obj2 SdmpT:rain(l, :), Obj2 SanipTrdin(2, :), ko,Jlinewidth, 2,markersize, 5)%要訓(xùn)練的數(shù)據(jù)及其類別ent = 1:X = zeros(Objl. NTrain + Objl. NTrain, 3);for iii = 1 : Objl.
5、 NTrainX(cnt, 1 : 2) = Obj 1. SampTrain(:, iii);X(cnt, 3) = 1;y(cnt, 1) = 1;ent = ent + 1;endfor iii = 1 : 0bj2. NTrainX(cnt, 1 : 2) = Obj2 SampTipinC, iii);X(cnt, 3) = 1;y(cnt, 1) = -1;ent = ent + 1;end%替換為seqminopt后不用下面這個(gè)ent = 1:Xsvm = zeros(Obj1. NTrain + Obj1 NTrain, 3);for iii = 1 : Obj1. NTrai
6、nXsvm (ent,Xsvm (ent,ysvm (ent,ent = ent1 : 2) = 1 * Objl. SampTrain(:, iii);3) = -1 * 1;1) = -1;+ 1;endfor iii = 1 :Obj2. NTrainXsvm (ent, 1:2)= Obj2. SampTrain(:, iii):Xsvm (ent, 3) = 1;ysvm (ent, 1) = -1;ent = ent+ 1;end%下面就是替換為seqminopttraindata=X(:, 1 : 2) ;%用X而不是Xsvm trainlabel=y;%用y而非ysvmboxC
7、onstraints= ones (size (trainlabel) :%松弛變量,我默認(rèn)為1kfun = 1 inear_kernel;%線性函數(shù)句柄alphas, bias = seqminopt(traindata, tMinlabel, boxConstraints, kfun);svlndex = find (alphas sqrt (eps) ;%尋找支持向量的索引sv =traindata(svlndex,:);%對(duì)應(yīng)x(i)alphaHat = trainlabel (svlndex) alphas (svlndex) ;%對(duì)應(yīng)y(i)* a (i)weight二zeros(
8、1, 2) ;%W=sum(y(i)* a (i)*x(i)for i=l:length(svlndex)weight=weight+alphaHat(i)*sv(i,:);endW=zeros (3, 1);W(l:2)=weight;W(3)=bias;W_seqminopt=W%用來做對(duì)比%fmincon_options = optimsetCAlgorithm, interiorpoint,Maxlter, 50);Wl, val, exflag, output = fmincon(x) (norm(x(l : 2), 2), 0; 0;1,Xsvm, ysvm, ,,, , fmin
9、con_options);W_fmincon=Wl%做對(duì)比%for kkk = 1 : Objl. NTestTMP.Tr(1:2, 1) = Objl. SampTest(:, kkk);TMP_Tr(3, 1) = 1;yy二W. * TMP_Tr;if (yy 0)Result_cl(:, cnt_cl) = Obj1 SampTest(:, kkk); ent cl = ent cl + 1;TestMatrix(l, 1) = TestMatrix(l, 1) + 1; elseResult_c2(:, cnt_c2) = Objl. SampTest (:, kkk); ent c
10、2 = ent c2 + 1;TestMatrix(l, 2) = TestMatrix(l, 2) + 1;endendfor kkk = 1 : Obj2. NTestTMP_Tr(l:2, 1) = Obj2. SampTest(:, kkk):TMP_Tr(3, 1) = 1;yy二W. * TMP_Tr;if (yy 0)Resulted (:, cnt_cl) = Obj2 SampTest (:,kkk); ent cl = ent cl + 1;TestMatrix(2, 1) = TestMatrix (2, 1) + 1; elseResult_c2(:, cnt_c2)
11、= Obj2. SampTest (:, kkk); ent c2 = ent c2 + 1;TestMatrix(2, 2) = TestMatrix(2, 2) + 1;endendTestMatrix(1, :) = TestMatrix(1, :) / Objl. NTest;TestMatrix(2, :) = TestMatrix(2, :) / Obj2. NTest;TestMatrixfigure;tryplot (Resulted (1,:), Result_cl (2,:), bo, Tinewidth, 2markersize, 5)endhold ontryplot (Result_c2 (1,:), Result_c2 (2,:), ko,Tinewidth, 2,markersize, 5)end% plot (Objl SampTraind, :), Obj 1 SampTrain(2, :), r+, linewid th, 2,markersize, 10)% plot (Obj2.
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 【正版授權(quán)】 ISO/TR 24589-1:2024 EN Examples of good practice for the management of assets of water supply and wastewater systems - Part 1: Water supply
- 【正版授權(quán)】 ISO 24591-1:2024 EN Smart water management - Part 1: General guidelines and governance
- 2025貝殼房產(chǎn)中介加盟店客戶滿意度調(diào)查及提升措施合同
- 2025年房屋拆除工程環(huán)境保護(hù)與監(jiān)測合同
- 教學(xué)理念與實(shí)踐探索計(jì)劃
- 課堂游戲與學(xué)習(xí)效果的關(guān)系計(jì)劃
- 圖書發(fā)行渠道拓展計(jì)劃
- 主管年度工作方案計(jì)劃
- 公司企業(yè)文化建設(shè)的年度工作計(jì)劃
- 七年級(jí)下冊(cè)《垂線》課件與練習(xí)
- 湖北省2025屆高三T8聯(lián)盟模擬考數(shù)學(xué)試卷(解析版)
- 2025年北京電子科技職業(yè)學(xué)院高職單招職業(yè)技能測試近5年??及鎱⒖碱}庫含答案解析
- 2025年包頭輕工職業(yè)技術(shù)學(xué)院高職單招職業(yè)技能測試近5年??及鎱⒖碱}庫含答案解析
- 二零二五年度文化教育培訓(xùn)中心承包工程2篇
- 2025年蘇州高鐵新城國有資產(chǎn)控股(集團(tuán))有限公司招聘筆試參考題庫附帶答案詳解
- 2025年廣州中醫(yī)藥大學(xué)順德醫(yī)院(佛山市順德區(qū)中醫(yī)院)招考聘用高頻重點(diǎn)提升(共500題)附帶答案詳解
- 2025年華僑港澳臺(tái)學(xué)生聯(lián)招考試英語試卷試題(含答案詳解)
- 2025-2030年中國美容院行業(yè)營銷創(chuàng)新戰(zhàn)略制定與實(shí)施研究報(bào)告
- 2025年臨床醫(yī)師定期考核必考復(fù)習(xí)題庫及答案(1080題)
- 2025年江蘇省宿遷市事業(yè)單位引進(jìn)名校優(yōu)生120人歷年高頻重點(diǎn)提升(共500題)附帶答案詳解
- 人教版四年級(jí)上冊(cè)寒假數(shù)學(xué)計(jì)算題天天練及答案(共15天)
評(píng)論
0/150
提交評(píng)論