lssvm工具箱的多分类

① LSSVM工具箱和matlab自带神经网络工具箱的冲突问题

请问一下你的问题解决了吗？我也遇到这个问题了，纠结啊

② 请问SVM工具箱里的trainlssvm函数的输入参数model,和输出参数X,Y分别代表什么意思呢

你编程也要先把他定义出来，最后才能训练出来啊

③ matlab lssvm 回归 有多个因变量 怎么实现

在matlab中regress（）函数和polyfit（）函数都可以进行回归分析。 （1）regress（）函数主要用于线性回归，一元以及多元的。它可以提供更多的信息，残差之类的。 （2）polyfit（）函数是利用多项式拟合。可以是线性也可以是非线性的。

④ 关于matlab的SVM工具箱的几个函数

help用法:
在命令输入窗口输入： help+空格+函数名
把上边的函数都help一下就行了
trainlssvm训练用
simlssvm测试用

⑤ statlssvm工具箱中怎样求预测值的置信区间

回复 xiezhh 的帖子就是回归拟合时，求在指定置信度条件下的点预测的预测区间，有没版有专门的函权数？谢谢了！用regress 可以求系数的置信区间，能不能求预测点的置信区间。数理统计书上有专门的公式，不过有点麻烦！

⑥ 关于matlab中用lssvm做分类问题是参数寻优函数tunelssvm的问题

能不用自带函数不，给你个最小二乘支持向量机的自编代码
clear all;
clc;
N=35; %样本个数
NN1=4; %预测样本数
%********************随机选择初始训练样本及确定预测样本*******************************
x=[];
y=[];
index=randperm(N); %随机排序N个序列
index=sort(index);
gama=23.411; %正则化参数
deita=0.0698; %核参数值
%thita=; %核参数值
%*********构造感知机核函数*************************************
%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
%*********构造径向基核函数**************************************
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
%*********构造多项式核函数****************************************
%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
%*********构造核矩阵************************************
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); %模型参数
for i=1:N-NN1
aipha(i)=C(i+1); %模型参数，行向量
end
%*******************************************
for i=1:N %预测模型
aifx(i)=b+(aipha)*K(1:N-NN1,i);
end
%*******************************************
aifx
index

⑦ libsvm工具箱和lssvm工具箱有什么区别

1、这两个意义完全不一样，lssvm是最小二乘支持向量机，是一种算法 libsvm是一个支持版向量机的工具集合，权一个库；
2、LIBSVM是台湾大学林智仁(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，不但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；
3、而LSSVM是支持向量机算法的一种改进版本——即最小二乘支持向量机（Least Squares Support Vector Machine）。

⑧ 为什么对非线性函数fcm聚类后进行的多个LSSVM建模融合输出后的误差比不聚类的单个LSSVM模型误差大得多

我恰好遇到过这类文献，感觉这么做就是一个错误的做法，听起来似乎是那么回事，实际上自己好好分析一下就感觉很不合理，个人感觉有几个可能的原因：
第一：泛化能力减弱了。 泛化能力是跟样本数有关系的，样本越大泛化能力肯定越好。虽然看起来好像分成了几个部分分别回归(回归虽然不是拟合，但当成特殊的拟合也可以)，每一个小部分的回归（拟合）能力可能会提高，但是整体的形状肯定没有一起回归(拟合)更接近真实的图像，这就类似于分段曲线拟合一样，虽然局部的拟合程度高了，但整体看来形状偏差大了。
第二：融合输出的影响问题，太多了，不打了，自己想想去吧
第三：考虑一下野值点的影响，自己想吧

第四：如何改进，个人感觉如果能把隶属度也进行训练会有可能提高精读，但是，问题来了，这么多变量，如何优化？

这些是我自己的总结，保证是第一次出现的

⑨ MATLAB中LS-SVM工具箱的问题

LS-SVM是什么，题主随便搜索一下就应该知道了啊。。。

LS-SVM是的缩写，中文翻译成“最小二专乘支持向量属机”，用于非线性分类、回归、时间序列预测和无监督学习等领域。

至于那两个函数，trainlssvm用来训练得到模型，simlssvm则用trainlssvm训练得到的model为测试集分类或者进行函数拟合（和神经网络中的概念类似）。

工具箱里面有相应的演示程序（名字都以demo开头），您可以结合具体的例子去学习。

附件是一个关于该工具箱的说明，供参考。