评分:4 版本:v3.25 最新版 更新时间:2021-12-14 14:55 大小:891KB 平台:win7, WinAll 语言:简体中文 授权:免费 类型:国产,行业软件软件介绍
libsvm工具箱是专门适配于matlab系列软件，它能够支持包括分类问题、二分类问题，能够改变一些函数中的参数，帮助用户更好地进行数学计算，有着出色的性能表现。
工具箱介绍
台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的 SVM 模式识别与回归的软件包，它不仅提供了编译好的可在 Windows 系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件还有一个特点，就是对 SVM 所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数就可以解决很多问题；并且提供了交互检验(Cross-SVM回归等问题，包括基于一对一算法的多类模式识别问题。
功能说明
总线对象和总线数组，用于在代码中生成结构
S 函数，用于对已有代码进行仿真和对接
模型块，用于增量生成代码
原子子系统和原子子图表，用于通过可重入 C 函数重用代码
指定调优和校准参数或常数的存储区
指定监测和记录信号数据的存储区
Simulink 中的 MATLAB 函数块和 Stateflow 中的 MATLAB 函数，用于从具有 MATLAB 组件的模型生成代码
将数据类型声明为整型、浮点型和定点型
整型、浮点型和定点型数据类型支持
针对单采样率、多采样率和异步模型的代码生成
重复使用存储区以最小化局部范围的数据
离散、连续或混合 Simulink 和 Simulink 模型的 ANSI/ISO C 和 C++ 代码及可执行文件
用于大型模型的增量代码生成
用于参数调优和信号监测的外部模式仿真
使用或不使用 RTOS 的单任务、多任务和多核代码执行
libsvm工具箱安装教程
在\libsvm-3.25matlab目录下，有一个README文件，详细说明了安装方法。如果是windows 64位系统，预编译的二进制文件已经提供，在\libsvm-3.25\windows文件下，可以看到4个文件，分别是libsvmread.mexw64、libsvmwrite.mexw64、svmtrain.mexw64、svmpredict.mexw64。这样可以跳过下面第一步的编译步骤。
1.编译
如果是win32位系统，需要自己重新编译c文件，生成MATLAB可识别的mexw32文件。编译方法在上述的README文件也有说明。
将MATLAB的工作文件夹调整到\libsvm-3.25\matlab目录下，在MATLAB的命令行窗口输入>> mex -setup，然后选择编译器如VS2010，最后输入指令>>make。编译完成后，当前路径下会生成对应的mexw32（32位系统）mexw64（64位系统）文件。
2.重命名函数
在得到libsvmread.mexw64、libsvmwrite.mexw64、svmtrain.mexw64、svmpredict.mexw64这4个文件后，为了避免和svm内置的函数冲突，最好将svmtrain.mexw64、svmpredict.mexw64这两个文件重命名为libsvmtrain.mexw64、libsvmpredict.mexw64。
3.添加到toolbox
将libsvm-3.25文件夹放置到\MATLAB R2016b\toolbox目录下；
主页> 设置路径> 添加文件夹> 选择libsvm-3.25文件夹；
添加并包含子文件夹> 选择libsvm-3.25文件夹；
主页> 预设> 常规> 更新工具箱缓存> 确定
扩展为多分类的方法
一对多（one-versus-rest）
训练时依次把k类样本中的某个类别归为一类，其它剩下的归为另一类，使用二分类的SVM训练处一个二分类器，最后把得到的k个二分类器组成k分类器。对未知样本分类时，分别用这k个二分类器进行分类，将分类结果中出现最多的那个类别作为最终的分类结果。
一对一（one-versus-one）
训练时对于任意两类样本都会训练一个二分类器，最终得到k(k-1)/2个二分类器，共同组成k分类器。对未知样本分类时，使用所有的k(k-1)/2个分类器进行分类，将出现最多的那个类别作为该样本最终的分类结果。
关于matlab
由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。使用matlab，可以分析数据，开发算法，创建模型和应用程序。借助其语言、工具和内置数学函数，您可以探求多种方法，比电子表格或传统编程语言（如 c/c++ 或 java）更快地求取结果。该软件是目前最好用、最稳定的版本，其应用广泛，其中包括信号处理和通信、图像和视频处理、控制系统、测试和测量、计算金融学及计算生物学等众多应用领域。在各行业和学术机构中，有一百多万工程师和科学家使用matlab这一技术计算语言。
软件截图
软件综述
MATLAB LIBSVM 工具箱是一个用于支持向量机 (SVM) 的 MATLAB 工具箱。SVM 是一种用于分类和回归的监督学习算法，在许多领域都有着广泛的应用。
LIBSVM 工具箱由林智仁 (Chih-Jen Lin) 开发，他是台湾国立台湾大学的教授，也是 SVM 领域的研究先驱之一。该工具箱是一个开源软件，可以从 LIBSVM 网站免费下载。
LIBSVM 工具箱具有以下优点：
- 易于使用：LIBSVM 工具箱提供了友好的用户界面，使您可以轻松地使用 SVM 算法。您只需提供训练数据和测试数据，然后就可以使用 LIBSVM 工具箱进行分类或回归。
- 高效：LIBSVM 工具箱是一个高效的 SVM 实现，可以在大型数据集上快速训练模型。
- 准确：LIBSVM 工具箱是一个准确的 SVM 实现，可以在许多任务上实现最先进的性能。
LIBSVM 工具箱是用于 SVM 的一个流行工具箱，被广泛用于学术研究和工业应用。它可以用于以下任务：
- 分类：SVM 可以用于对数据进行分类。例如，您可以使用 SVM 将电子邮件分类为垃圾邮件或非垃圾邮件，或者将图像分类为猫或狗。
- 回归：SVM 可以用于对数据进行回归。例如，您可以使用 SVM 来预测房价或股票价格。
- 异常检测：SVM 可以用于检测异常数据。例如，您可以使用 SVM 来检测信用卡欺诈或网络入侵。
如果您正在寻找一个用于 SVM 的 MATLAB 工具箱，那么 LIBSVM 工具箱是一个很好的选择。它易于使用、高效、准确，并且可以用于各种任务。
