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

复制代码
 % 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
机器学习之心42 分钟前
PINN驱动的高阶偏微分方程求解MATLAB代码
matlab·物理信息神经网络·高阶偏微分方程
民乐团扒谱机1 小时前
逻辑回归算法干货详解:从原理到 MATLAB 可视化实现
数学建模·matlab·分类·数据挖掘·回归·逻辑回归·代码分享
至善迎风2 小时前
版本管理系统与平台(权威资料核对、深入解析、行业选型与国产平台补充)
git·gitee·gitlab·github·svm
计算机毕业设计指导3 小时前
基于ResNet50的智能垃圾分类系统
人工智能·分类·数据挖掘
roman_日积跬步-终至千里7 小时前
【软件架构设计(19)】软件架构评估二:软件架构分析方法分类、质量属性场景、软件评估方法发展历程
人工智能·分类·数据挖掘
echoarts11 小时前
MATLAB R2025a安装配置及使用教程(超详细保姆级教程)
开发语言·其他·matlab
bu_shuo14 小时前
安装MATLAB205软件记录
matlab·matlab安装
MATLAB代码顾问15 小时前
MATLAB可以实现的各种智能算法
开发语言·matlab
初级炼丹师(爱说实话版)15 小时前
2025算法八股——机器学习——SVM损失函数
算法·机器学习·支持向量机
㱘郳15 小时前
cifar10分类对比:使用PyTorch卷积神经网络和SVM
pytorch·分类·cnn