基于线性核函数的SVM数据分类算法matlab仿真

目录

1.程序功能描述

2.测试软件版本以及运行结果展示

3.核心程序

4.本算法原理

5.完整程序


1.程序功能描述

基于线性核函数的SVM数据分类算法matlab仿真,通过程序产生随机的二维数据,然后通过SVM对数据进行分类,SVM通过编程实现,不使用MATLAB自带的工具箱函数。

2.测试软件版本以及运行结果展示

MATLAB2022A版本运行

(完整程序运行后无水印)

3.核心程序

 % 生成随机数据点
X1 = [10*rand(100,2)];
Y1 = ones(length(X1),1);
% 移动并复制数据点,生成第二组
X2 = [X1(:,1)+6,X1(:,2)+6];
Y2 = 0*ones(length(X2),1);
X  = [X1;X2];% 合并两组点为最终数据集
y  = [Y1;Y2];% 合并两组标签

% 设置惩罚参数C的两种情况
C      = [1,100];
% 使用SVM训练模型,线性核函数,设置容差和最大迭代次数
model1 = svmTrain(X,y,C(1),@linearKernel,1e-4,50);
model2 = svmTrain(X,y,C(2),@linearKernel,1e-4,50);

% 获取模型参数w和b,绘制决策边界
w   = model1.w;
b   = model1.b;
xp1 = linspace(min(X(:,1)), 1.0*max(X(:,1)), 100); % 生成x轴绘图范围的等间距点
yp1 = -(w(1)*xp1 + b)/w(2); % 根据w和b计算对应的y值,绘制直线

w   = model2.w;
b   = model2.b;
xp2 = linspace(min(X(:,1)), 1.0*max(X(:,1)), 100);
yp2 = -(w(1)*xp2 + b)/w(2);


figure 
pos = find(y == 1); neg = find(y == 0);
plot(X(pos, 1), X(pos, 2), 'ks', 'MarkerFaceColor', 'r', 'MarkerSize', 8)
hold on;
plot(X(neg, 1), X(neg, 2), 'ko', 'MarkerFaceColor', 'g', 'MarkerSize', 8)
hold off;


hold on;
plot(xp1, yp1, 'linewidth', 2); 
hold on;
plot(xp2, yp2, 'linewidth', 2); 




legend('positivo', 'negativo', 'C=1', 'C=10');
title('SVM分类结果');
59

4.本算法原理

支持向量机(SVM, Support Vector Machine)是一种强大的监督学习算法,广泛应用于分类和回归任务。在分类任务中,线性核函数的SVM通过寻找一个最优的超平面来实现数据的分类,这个超平面尽可能地最大化不同类别之间的间隔。

3. 分类决策规则

5.完整程序

VVV

相关推荐
xrgs_shz7 分钟前
MATLAB的数据类型和各类数据类型转化示例
开发语言·数据结构·matlab
jk_1017 小时前
MATLAB中lineBoundary函数用法
开发语言·matlab
程序猿阿伟8 小时前
《解锁AI黑科技:数据分类聚类与可视化》
人工智能·科技·分类
加德霍克12 小时前
【机器学习】自定义数据集 使用scikit-learn中svm的包实现svm分类
python·机器学习·支持向量机·scikit-learn·作业
Evand J13 小时前
课题推荐:基于matlab,适用于自适应粒子滤波的应用
开发语言·matlab
纠结哥_Shrek1 天前
基于最近邻数据进行分类
人工智能·分类·数据挖掘
Evand J1 天前
水瓶加水时的重心变化,MATLAB计算与可视化
开发语言·matlab
jk_1011 天前
MATLAB中textBoundary函数用法
开发语言·matlab
晨星️2 天前
MATLAB-Simulink并行仿真示例
开发语言·matlab
上海迪士尼352 天前
RRT_STAR路径规划代码
人工智能·算法·matlab