sp=rand(3,2)%创建随机变量矩阵 positive点
nsp=size(sp);
sn=rand(4,2);%创建随机变量矩阵 negative点
nsn=size(sn)
sd=[sp;sn]
lsd=[true true true false false false false]
Y=nominal(lsd)
figure(1);
subplot(1,2,1)
plot(sp(1:nsp,1),sp(1:nsp,2),'m+')
hold on
plot(sn(1:nsn,1),sn(1:nsn,2),'c*')
subplot(1,2,2)
svmStruct=svmtrain(sd,Y,'Kernel_Function','rbf','rbf_sigma',0.3,'method','SMO','showplot',true);%0.3分类精度,决定了分类训练结果
RD=svmclassify(svmStruct,sd,'showplot',true)

 

matlabsvm高斯分类(模式识别)

 

相关文章:

  • 2021-12-04
  • 2022-12-23
  • 2022-12-23
  • 2022-01-05
  • 2022-12-23
  • 2022-02-12
  • 2021-08-02
猜你喜欢
  • 2022-12-23
  • 2022-12-23
  • 2021-04-10
  • 2021-11-17
  • 2021-06-01
  • 2021-08-05
  • 2021-09-05
相关资源
相似解决方案