matlab中svdd里面的参数,svdd 单值分类,包括很多的工具函数,使用时直接调用就可,用起来相当方便的,欢迎大家下载 matlab 259万源代码下载- www.pudn.com...

文件名称: svdd891ea1e7dab975064c6bfd22796603ae.gif下载  收藏√  [443d104427974206832dc4b12407db70.gif

 5  4  3  2  1 fb9128a58cbeaabbeb3718ed75079ccf.gif]

开发工具: matlab

文件大小: 1738 KB

上传时间: 2014-10-14

下载次数: 18

提 供 者: 常贵春

详细说明:单值分类,包括很多的工具函数,使用时直接调用就可,用起来相当方便的,欢迎大家下载-svdd anewmethodofone2classclassificationofmechanicalfault2supportvectordatadescriptionwasproposedinwhichtheone2classclassifiercanbesetupbyusingonlyonekindoftargetsamplewithoutknowingotheroutliersamples

文件列表(点击判断是否您需要的文件,如果是垃圾请在下面评价投诉):

svdd\dd_manual2.0.0.pdf

....\...tools_2_0_2\dd_tools\abof_dd.m

....\..............\........\askerplot.m

....\..............\........\auclpm.m

....\..............\........\autoenc_dd.m

....\..............\........\ball_dd.m

....\..............\........\center.m

....\..............\........\change_R.m

....\..............\........\checkprversion.m

....\..............\........\chull_dd.m

....\..............\........\consistent_occ.m

....\..............\........\Contents.m

....\..............\........\createA.m

....\..............\........\dd_aic.m

....\..............\........\dd_auc.m

....\..............\........\dd_auc2.m

....\..............\........\dd_aucostc.m

....\..............\........\dd_confmat.m

....\..............\........\dd_costc.m

....\..............\........\dd_crossval.m

....\..............\........\dd_delta_aic.m

....\..............\........\dd_eer.m

....\..............\........\dd_error.m

....\..............\........\dd_ex1.m

....\..............\........\dd_ex10.m

....\..............\........\dd_ex11.m

....\..............\........\dd_ex12.m

....\..............\........\dd_ex13.m

....\..............\........\dd_ex14.m

....\..............\........\dd_ex15.m

....\..............\........\dd_ex2.m

....\..............\........\dd_ex3.m

....\..............\........\dd_ex4.m

....\..............\........\dd_ex5.m

....\..............\........\dd_ex6.m

....\..............\........\dd_ex7.m

....\..............\........\dd_ex8.m

....\..............\........\dd_ex9.m

....\..............\........\dd_f1.m

....\..............\........\dd_fp.m

....\..............\........\dd_gridsearch.m

....\..............\........\dd_kappa.m

....\..............\........\dd_kernel.m

....\..............\........\dd_label.m

....\..............\........\dd_loglikelihood.m

....\..............\........\dd_looxval.m

....\..............\........\dd_meanprec.m

....\..............\........\dd_message.m

....\..............\........\dd_normc.m

....\..............\........\dd_prc.m

....\..............\........\dd_proxm.m

....\..............\........\dd_roc.m

....\..............\........\dd_roc_old.m

....\..............\........\dd_setfn.m

....\..............\........\dd_threshold.m

....\..............\........\dd_version.m

....\..............\........\dissim.m

....\..............\........\dist2dens.m

....\..............\........\dkcenter_dd.m

....\..............\........\dknndd.m

....\..............\........\dlpdd.m

....\..............\........\dlpdda.m

....\..............\........\dlpsdd.m

....\..............\........\dnndd.m

....\..............\........\fastmcd.m

....\..............\........\find_target.m

....\..............\........\gausspdf.m

....\..............\........\gauss_dd.m

....\..............\........\gendatblockout.m

....\..............\........\gendatgrid.m

....\..............\........\gendatkriegel.m

....\..............\........\gendatoc.m

....\..............\........\gendatout.m

....\..............\........\gendatoutg.m

....\..............\........\gendatouts.m

....\..............\........\getfeattype.m

....\..............\........\getoclab.m

....\..............\........\getrocw.m

....\..............\........\gower.m

....\..............\........\inckernel.m

....\..............\........\incsvc.m

....\..............\........\incsvdd.m

....\..............\........\inc_add.m

....\..............\........\inc_remove.m

....\..............\........\inc_setup.m

....\..............\........\inc_store.m

....\..............\........\ind2vec.m

....\..............\........\isocc.m

....\..............\........\isocset.m

....\..............\........\istarget.m

....\..............\........\is_occ.m

....\..............\........\is_ocset.m

....\..............\........\kcenter_dd.m

....\..............\........\kmeans_dd.m

....\..............\........\knndd.m

....\..............\........\knn_optk.m

....\..............\........\ksvdd.m

....\..............\........\kwhiten.m

....\..............\........\locidd.m

....\..............\........\lociplot.m

输入关键字,在本站259万海量源码库中尽情搜索:

帮助

[svdd.rar] - 支持向量数据的matlab算法程序,用于一类分类,欢迎大家下载

[exp15_svdd.rar] - 高斯核支持向量数据描述(svdd)方法的源代码

[dd_tools_2_0_2.zip] - svdd详细步骤 需安装PRtools工具箱

[PSO-matching.zip] - 粒子群算法实现图像匹配,用目标图像作为搜索域,与模板图像进行匹配。

[svdd.rar] - 算法svdd工具箱,用于一类分类。是最重要的一类算法

[support_vector_data_Description.rar] - Support Vector Data Description svdd MATLAB 编程

[multi-svdd2.rar] - MULTI svdd BASE ON PSUDO DENSITY

[FDAsvdd.rar] - 构造基于FDA-svdd的串级混联融合方式,设计基于SVDD的加权归一化半径模式判别准则。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
SVDD(Support Vector Data Description)算法是一种基于支持向量机的分类算法,可以用于异常检测和异常样本分类等任务。在Matlab,可以使用libsvm工具包来实现SVDD算法。 首先,我们需要将数据集进行标准化处理,以确保不同特征的数范围一致。然后,我们可以使用libsvm提供的svdd函数进行模型训练。svdd函数需要输入样本数据和相应的标签,标签分为正常样本和异常样本。 示例代码如下: ```matlab % 加载数据集 load dataset.mat; % 数据标准化处理 data = zscore(data); % 构建SVDD模型 nu = 0.1; % 异常样本的比例 model = svdd(data, 'nu', nu); % 预测新样本是否为异常 test_data = [1, 2, 3, 4; 5, 6, 7, 8]; % 示例测试数据 test_data = zscore(test_data); % 对测试数据进行标准化处理 [predict_label, accuracy, decision_values] = svmpredict(ones(size(test_data, 1), 1), test_data, model); % 结果分析 if predict_label == 1 disp('正常样本'); else disp('异常样本'); end ``` 在上述代码,首先通过加载数据集并对数据进行标准化处理,然后设置异常样本的比例`nu`,接着使用svdd函数构建SVDD模型。最后,通过svmpredict函数对新样本进行预测,并根据预测结果判断样本是否为异常。 需要注意的是,SVDD算法的性能受到参数设置的影响,例如异常样本比例`nu`的选择。需要根据具体情况进行调整,以获得最佳的结果。另外,还可以使用交叉验证等技术对模型进行评估和优化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值