方法的核心③支持向量是SVM的训练结果在SVM分类决策中起决定作用的是支持向量。SVM是一种有坚实理论基础的新颖的小样本学习方法。它基本上不涉及概率测度及大数定律等因此不同于现有的统计方法。从本质上看它避开了从归纳到演绎的传统过程实现了高效的从训练样本到预报样本的“转导推理”tra
sductivei
fere
ce大大简化了通常的分类和回归等问题。
支持向量机分类器实现步骤
f程序（训练svmtrai
_test）clearallpatter
Num50class
um0loadtempletfori110forj1i1xpatter
ifeature1patter
Numpatter
jfeature1patter
Numyo
es1patter
Num2ypatter
Num1patter
Num21ker
elfu
ctio
poly
omialli
earquadraticfbfmlpsvmStructijsvmtrai
xyKer
el_Fu
ctio
poly
omiale
de
dsavesvmStructsvmStructmsgboxe
doftrai
i
g样本分类程序clearallloadtempletsamplepatter
9feature73loadsvmStructsvmStruct
umzeros110fori110forj1i1GsvmclassifysvmStructijsampleifG1
umi
umi1elseifG1
umj
umj1e
de
de
d
fmax_valmax_posmax
umresultmax_pos1
结果分析：
fr