（MATLAB源代码）SVM多分类

最新推荐文章于 2024-08-09 12:05:03 发布

愚生久浪

最新推荐文章于 2024-08-09 12:05:03 发布

阅读量6.7k

点赞数 4

分类专栏：高光谱分类文章标签： matlab svm 分类算法

本文链接：https://blog.csdn.net/qq_37041207/article/details/116865026

版权

本文介绍了如何利用MATLAB和libSVM库建立多分类模型，针对带有标签的高光谱数据，通过数据划分、归一化、参数选择、模型训练和测试等步骤实现SVM的多类别分类。数据包含三个类别，每个类别300个样本，特征数为237。训练集和测试集分别为800和100个样本，并采用RBF核函数，通过CV方法确定最佳参数c和gamma。

摘要由CSDN通过智能技术生成

文章目录

SVM 多分类

SVM 多分类

采用libSVM包进行多分类

对带标签的高光谱数据建立分类模型

数据描述：三个类别，每个类别300个样本，特征数量为237。

代码

1.训练集、测试集

将数据分为训练集和测试集，训练集数量为800，测试集为100。

clear
clc

load data.mat

test_num = 100;
l = randperm(size(dataset,1));

%  测试集――100个样本
test_data = dataset(l(1:test_num),:);
test_label = label(l(1:test_num),:);
%  训练集――800个样本
train_data = dataset(l(test_num+1:end),:);
train_label = label(l(test_num+1:end),:);

write_traindata = [train_label train_data];
write_testdata = [test_label test_data];
csvwrite('C:\Users\Desktop\traindata.csv',write_traindata);
csvwrite('C:\Users\Desktop\testdata.csv',write_testdata);
# dlmwrite('C:\Users\Desktop\traindata.csv',write_traindata,'-append');