0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

支持向量機(jī)算法

嵌入式職場(chǎng) ? 來(lái)源:嵌入式職場(chǎng) ? 2023-06-18 17:32 ? 次閱讀

1、支持向量機(jī)

1、基于統(tǒng)計(jì)理論的學(xué)習(xí)系統(tǒng)

2、屬于有監(jiān)督學(xué)習(xí)的方法

3、用于樣本分類

4、分為線性分類模型與非線性分類模型

下面看一道例題:有18組數(shù)據(jù),有不同的類別屬性,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));%數(shù)據(jù)標(biāo)準(zhǔn)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('程序輸出結(jié)果:');
disp('超平面方程為:');
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('超平面分類結(jié)果:');
R=[R1,R2]

結(jié)果展示:

Optimization terminated.
程序輸出結(jié)果:
超平面方程為:
X1:2.4476
X2:0.07549
X3:1.17
intercept:0.70991

超平面分類結(jié)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

從結(jié)果可以看出存在一定的誤差,例如,第16組數(shù)據(jù)分類為1。




審核編輯:劉清

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 向量機(jī)
    +關(guān)注

    關(guān)注

    0

    文章

    166

    瀏覽量

    20833
  • SVM
    SVM
    +關(guān)注

    關(guān)注

    0

    文章

    154

    瀏覽量

    32377

原文標(biāo)題:支持向量機(jī)算法

文章出處:【微信號(hào):嵌入式職場(chǎng),微信公眾號(hào):嵌入式職場(chǎng)】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    #硬聲創(chuàng)作季 人工智能入門課程:14. [2.9.1]--支持向量機(jī)算法流程)

    向量機(jī)人工智能機(jī)器學(xué)習(xí)
    Mr_haohao
    發(fā)布于 :2022年09月21日 11:13:02

    14. 2 9 支持向量機(jī)算法流程) #硬聲創(chuàng)作季

    機(jī)器學(xué)習(xí)
    充八萬(wàn)
    發(fā)布于 :2023年07月07日 01:29:38

    支持向量機(jī)算法原理(1)#Python

    數(shù)據(jù)函數(shù)感知算法python
    未來(lái)加油dz
    發(fā)布于 :2023年08月23日 19:39:26

    支持向量機(jī)算法原理(2)#Python

    數(shù)據(jù)函數(shù)感知算法python
    未來(lái)加油dz
    發(fā)布于 :2023年08月23日 19:40:36

    支持向量機(jī)算法原理(3)#Python

    數(shù)據(jù)函數(shù)感知算法python
    未來(lái)加油dz
    發(fā)布于 :2023年08月23日 19:41:40

    故障診斷,主元分析法,基于支持向量機(jī)算法!

    那位大神有代碼懂這個(gè),可否幫助下,有償服務(wù)!
    發(fā)表于 05-16 10:08

    求一個(gè)用LABVIEW實(shí)現(xiàn)支持向量機(jī)算法的程序

    求一個(gè)用labview實(shí)現(xiàn)SVM算法的程序。
    發(fā)表于 05-18 23:50

    基于支持向量機(jī)軟測(cè)量技術(shù)的應(yīng)用

    軟測(cè)量技術(shù)在工業(yè)過(guò)程控制中得到廣泛的應(yīng)用。在軟測(cè)量建模過(guò)程中,基于支持向量機(jī)算法能較好地解決小樣本、非線性、高維數(shù)、局部極小點(diǎn)等NJ題。在簡(jiǎn)單介紹最小二乘支
    發(fā)表于 03-14 16:13 ?15次下載

    一種改進(jìn)的基于密度聚類模糊支持向量機(jī)

    為了提高模糊支持向量機(jī)在數(shù)據(jù)集上的訓(xùn)練效率,提出一種改進(jìn)的基于密度聚類(DBSCAN)的模糊支持向量機(jī)
    發(fā)表于 03-20 16:21 ?12次下載

    改進(jìn)的支持向量機(jī)特征選擇算法

    針對(duì)采用支持向量機(jī)進(jìn)行分類的特征子集選擇問(wèn)題,提出一種改進(jìn)的基于梯度向量的特征評(píng)測(cè)算法。該算法
    發(fā)表于 04-03 08:38 ?19次下載

    基于改進(jìn)的支持向量機(jī)的脫機(jī)中文簽名驗(yàn)證

    針對(duì)支持向量機(jī)算法的不足,將粗糙集和支持向量機(jī)相結(jié)合
    發(fā)表于 02-16 16:14 ?15次下載
    基于改進(jìn)的<b class='flag-5'>支持</b><b class='flag-5'>向量</b><b class='flag-5'>機(jī)</b>的脫機(jī)中文簽名驗(yàn)證

    基于支持向量機(jī)的電子鼻參數(shù)補(bǔ)償?shù)难芯?/a>

    簡(jiǎn)要介紹采用HART協(xié)議的電子鼻系統(tǒng)和其電子元件,利用連續(xù)相位的FSK調(diào)制和解調(diào)技術(shù)使數(shù)據(jù)傳輸受到最小擾動(dòng)。著重說(shuō)明支持向量機(jī)算法適合在小樣本數(shù)據(jù)情況,其核函數(shù)可以向高維空間非線性映射
    發(fā)表于 12-31 09:23 ?11次下載

    基于標(biāo)準(zhǔn)支持向量機(jī)的陣列波束優(yōu)化及實(shí)現(xiàn)

    為了考察基于支持向量機(jī)算法的波束形成器在實(shí)際水聲環(huán)境中的主瓣寬度、旁瓣級(jí)以及陣增益等性能,將標(biāo)準(zhǔn)支持向量
    發(fā)表于 11-10 11:03 ?13次下載
    基于標(biāo)準(zhǔn)<b class='flag-5'>支持</b><b class='flag-5'>向量</b><b class='flag-5'>機(jī)</b>的陣列波束優(yōu)化及實(shí)現(xiàn)

    電梯制動(dòng)器靜態(tài)制動(dòng)力矩估算方法

    力矩估算方法,將利用制動(dòng)器動(dòng)態(tài)制動(dòng)性能實(shí)驗(yàn)得到的制動(dòng)初始速度與制動(dòng)過(guò)程的平均制動(dòng)力矩作為估算算法訓(xùn)練數(shù)據(jù)的輸入值,將相同制動(dòng)器對(duì)應(yīng)的靜態(tài)制動(dòng)力矩作為估算算法訓(xùn)練數(shù)據(jù)的輸出值,經(jīng)過(guò)支持向量
    發(fā)表于 03-06 15:39 ?1次下載
    電梯制動(dòng)器靜態(tài)制動(dòng)力矩估算方法

    基于深度信念網(wǎng)絡(luò)的DDoS攻擊檢測(cè)算法

    差等缺陷,為此,提出一種基于深度信念網(wǎng)絡(luò)(DBN)的DDoS攻擊檢測(cè)算法。分析SDN環(huán)境下DDoS攻擊的機(jī)制,通過(guò)Wininet模擬SDN的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),并使用 Wireshark完成DDoS流量數(shù)據(jù)包的收集和檢測(cè)。實(shí)驗(yàn)結(jié)果表明,與ⅹ Gboost、隨機(jī)森林、支持
    發(fā)表于 06-01 16:28 ?5次下載