svdd.asv

超球面支持向量机

clc
close all
nu =0.05;           % nu -> [0,1] 在支持向量数与错分样本数之间进行折衷
                    % 支持向量机的 nu 参数(取值越小，异常点就越少)
%ker = struct('type','linear');
ker = struct('type','gauss','width',4.5);


% 训练支持向量机
X=trainx';
Y=trainy;
tic
svm = svmTrain('svdd',X,Y,ker,nu);
t_train = toc

% svm  支持向量机(结构体变量)
% the following fields:
%   type - 支持向量机类型  {'svc_c','svc_nu','svm_one_class','svr_epsilon','svr_nu'}
%   ker - 核参数
%   x - 训练样本,d×n的矩阵,n为样本个数,d为样本维数
%   y - 训练目标,值为[]
%   a - 拉格朗日乘子,1×n的矩阵
% 寻找支持向量

a = svm.a;
epsilon = 1e-10;                    % 如果小于此值则认为是0
i_sv = find(abs(a)>epsilon);        % 支持向量下标

% ------------------------------------------------------------%
% 测试输出

                 % 测试样本数
Xt = testx';
Yt = testy;
tic
Yd = svmSim(svm,Xt);           % 测试输出
t_sim = toc

r1=find((Yt-Yd)==0);
P=length(r1)/350
r2=find((Yt-Yd)==2);
FP=length(r2)/250
r3=find((Yt+Yd)==-2);
TP=length(r3)/250