lssvm18工具箱

1. 如何採用 lssvm 建立模型

根據你的描述： BPNN可以用matlab里的神經網路工具箱，GUI的界面或者matlab源程序都可以 SVM推薦用Libsvm或Lssvm

2. libsvm工具箱和lssvm工具箱有什麼區別

1、這兩個意義完全不一樣，lssvm是最小二乘支持向量機，是一種演算法 libsvm是一個支持版向量機的工具集合，權一個庫；
2、LIBSVM是台灣大學林智仁(Lin Chih-Jen)副教授等開發設計的一個簡單、易於使用和快速有效的SVM模式識別與回歸的軟體包，不但提供了編譯好的可在Windows系列系統的執行文件，還提供了源代碼，方便改進、修改以及在其它操作系統上應用；
3、而LSSVM是支持向量機演算法的一種改進版本——即最小二乘支持向量機（Least Squares Support Vector Machine）。

3. matlab工具箱中的prelssvm是什麼意思

我這里是LS-SVMlab1.5工具箱下的prelssvm.m文件
懶得去看了，直接把文件頭幫助給你復制過來
有需要去看這個工具箱的說明，國內有人用應該寫過相關介紹的。

function [model,Yt] = prelssvm(model,Xt,Yt)
% Preprocessing of the LS-SVM%
% These functions should only be called by trainlssvm or by
% simlssvm. At first the preprocessing assigns a label to each in-
% and output component (c for continuous, a for categorical or b
% for binary variables). According to this label each dimension is rescaled:
%
% * continuous: zero mean and unit variance
% * categorical: no preprocessing
% * binary: labels -1 and +1
%
% Full syntax (only using the object oriented interface):
%
% >> model = prelssvm(model)
% >> Xp = prelssvm(model, Xt)
% >> [empty, Yp] = prelssvm(model, [], Yt)
% >> [Xp, Yp] = prelssvm(model, Xt, Yt)
%
% Outputs
% model : Preprocessed object oriented representation of the LS-SVM model
% Xp : Nt x d matrix with the preprocessed inputs of the test data
% Yp : Nt x d matrix with the preprocessed outputs of the test data
% Inputs
% model : Object oriented representation of the LS-SVM model
% Xt : Nt x d matrix with the inputs of the test data to preprocess
% Yt : Nt x d matrix with the outputs of the test data to preprocess
%
%
% See also:
% postlssvm, trainlssvm

% Copyright (c) 2002, KULeuven-ESAT-SCD, License & help @ http://www.esat.kuleuven.ac.be/sista/lssvmlab

4. 神經網路matlab分析時 錯誤使用 struct 無法從 double 轉換為 struct。

該問題是由工具箱路徑引起，在Matlab中文論壇解答如下：
「這個問題很好解決，你專把你的lssvm的那個工具箱屬remove from the path,然後libsvm工具箱也remove from the path，然後就可以了，我一般都是手動加工具箱的，避免運行出錯。」
也就是把對應的LSSVM工具箱的路徑刪掉

我自己試了一下確實可以，應該主要LS-SVM的工具箱！！！

5. 關於matlab的SVM工具箱的幾個函數

能不用自帶函數不，給你個最小二乘支持向量機的自編代碼
clear all;
clc;
N=35; %樣本個數
NN1=4; %預測樣本數
%********************隨機選擇初始訓練樣本及確定預測樣本*******************************
x=[];
y=[];
index=randperm(N); %隨機排序N個序列
index=sort(index);
gama=23.411; %正則化參數
deita=0.0698; %核參數值
%thita=; %核參數值
%*********構造感知機核函數*************************************
%for i=1:N
% x1=x(:,index(i));
% for j=1:N
% x2=x(:,index(j));
% K(i,j)=tanh(deita*(x1'*x2)+thita);
% end
%end
%*********構造徑向基核函數**************************************
for i=1:N
x1=x(:,index(i));
for j=1:N
x2=x(:,index(j));
x12=x1-x2;
K(i,j)=exp(-(x12'*x12)/2/(deita*deita));
end
end
%*********構造多項式核函數****************************************
%for i=1:N
% x1=x(:,index(i));
% for j=1:N
% x2=x(:,index(j));
% K(i,j)=(1+x1'*x2)^(deita);
% end
%end
%*********構造核矩陣************************************
for i=1:N-NN1
for j=1:N-NN1
omeiga1(i,j)=K(i,j);
end
end
omeiga2=omeiga1';
omeiga=omeiga2+(1/gama)*eye(N-NN1);
A12=ones(1,N-NN1);
A21=A12';
A=[0 A12;A21 omeiga];
%**************************************
for i=1:N-NN1
B21(i,:)=y(index(i));
end
B=[0;B21];
%********LS-SVM模型的解******************************
C=A\B;
%******
b=C(1); %模型參數
for i=1:N-NN1
aipha(i)=C(i+1); %模型參數，行向量
end
%*******************************************
for i=1:N %預測模型
aifx(i)=b+(aipha)*K(1:N-NN1,i);
end
%*******************************************
aifx
index

6. statlssvm工具箱中怎樣求預測值的置信區間

回復 xiezhh 的帖子就是回歸擬合時，求在指定置信度條件下的點預測的預測區間，有沒版有專門的函權數？謝謝了！用regress 可以求系數的置信區間，能不能求預測點的置信區間。數理統計書上有專門的公式，不過有點麻煩！

7. 怎麼在matlab平台上安裝ls svmlab這個工具箱

第一步：首先將解壓得到的文件夾拷貝到自己MATLAB的安裝目錄下，如
C:\Program Files\MATLAB\R2012b\toolbox\LSSVMlabv1_8_R2009b_R2011a

第二步：打開MATLAB，如果是Matlab7.0的話單擊File，如何是2012的話在home面板上，靠近Layout那裡有Set Path，然後選擇Set Path這一選項，這時會出現Set Path的窗口，點擊 Add Folder。。。將剛才拷貝到目錄下的那個文件夾添加進來，點擊Save,然後close。
第三步：檢驗工具箱是否添加成功：在MATLAB 的命令窗口中輸入：
which tunelssvm.m
如果出現下面的情況：
>> which tunelssvm.m
C:\Program Files\MATLAB\R2012b\toolbox\LSSVMlabv1_8_R2009b_R2011a\tunelssvm.m
則表示安裝成功。

8. libsvm工具箱和lssvm工具箱有什麼區別

本質區別就是在最小化目標規劃函數時libsvm
使用的演算法
是SMO
（序列最小優化演算法）lssvm
使用的最小二乘演算法
查看原帖>>
滿意請採納

9. MATLAB中LS-SVM工具箱的問題

LS-SVM是什麼，題主隨便搜索一下就應該知道了啊。。。

LS-SVM是的縮寫，中文翻譯成「最小二專乘支持向量屬機」，用於非線性分類、回歸、時間序列預測和無監督學習等領域。

至於那兩個函數，trainlssvm用來訓練得到模型，simlssvm則用trainlssvm訓練得到的model為測試集分類或者進行函數擬合（和神經網路中的概念類似）。

工具箱裡面有相應的演示程序（名字都以demo開頭），您可以結合具體的例子去學習。

附件是一個關於該工具箱的說明，供參考。