Ⅰ 如何向MATLAB中添加新工具箱
今天费了好大的劲终于将SVM_SteveGunn添加至我的matlab工具箱内，并且已能成功运行，现在把在添加以及运行中出现的各种问题罗列如下，并一一解决：
1、将下载的svm工具箱添加至matlab安装目录下
1、单独下载的工具箱
2、把新的工具箱拷贝到某个目录（我的是D:softmatlab2011b oolbox）。
注意：你要是添加的很多个m文件，那就把这些m文件直接拷到再下一层你想要的工具箱的文件夹里
例如，我要添加的是支持向量机工具箱，在刚才的文件夹下我已经有svm（支持向量机工具箱）文件夹了，但有的m文件还没有，我就把新的m文件统统拷到D:softmatlab2011b oolbox svm目录下了。如果你连某工具箱（你打算添加的）的文件夹都没有，那就把文件夹和文件一起拷到D:softmatlab2011b oolbox 下。
先把工具箱保存到MATLAB安装目录的根目录下面，然后运行matlab---->file---->set path---->add folder 然后把你的工具箱文件夹添加进去就可以了
3、在matlab的菜单file下面的set path把它（ D:softmatlab2011b oolbox svm ）加上。
4、 把路径加进去后在file→Preferences→General的Toolbox Path Caching里点击update Toolbox Path Cache更新一下。
记得一定要更新！我就是没更新，所以添加了路径，一运行还是不行。后来更新了才行。
2、在对svm工具箱进行使用时，发现了'qp.dll 不是有效的 Win32 应用程序 '
问题描述：
mex在不同windows OS下编译的结果，所以我们需要重新编译一下qp.dll
解决方案：
steve gunn 的包下面有一个optimiser 文件夹，把current Diretory目录改为optimiser目录，例如E:matlabProgramSVM_SteveGunnOptimiser，然后运行命令
>> mex -v qp.c pr_loqo.c
命令运行完毕后，你会发现原先的qp.dll变为qp.dll.old，还出现了qp.mexw32，我们把该文件改为qp.dll 复制到工具箱文件夹下。原先的工具箱文件qp.dll可以先改一下名字...
3、我在运行第二步时发现了‘D:SOFTMATLAB~3BINMEX.PL: Error: Compile of 'qp.c' failed. Error using mex (line 206)
Unable to complete successfully.
这个是因为编译器设置的问题，这里需要重新选择设置编译器，设置编译器的方法：
mex -setup(mex和-setup之间要有空格)，然后我选择的VS2010，然后再继续运行步骤2就成功了。
Ⅱ 如何把数据输入进支持向量机Matlab工具箱1.0 - Epsilon-SVR, Epsilon回归算法中
没想到，我也要做这方面的工作，这段时间，一起研究下。。
Ⅲ 有人知道怎么把SVDD工具箱装到libsvm吗
1 先下载 libsvm-svdd-3.18.zip和 libsvm-3.18.zip，并解压得到文件夹 libsvm-svdd-3.18和libsvm-3.18；
2 将文件夹 libsvm-svdd-3.18根目录下的svm.cpp、svm.h和svm-train.c复制到 libsvm-3.18根目录下并覆盖回原来的这3个文件；将答文件夹 libsvm-svdd-3.18中 matlab里的文件 svmtrain.c 复制到 libsvm-3.18中的matlab文件夹中覆盖原来的c文件；
3 安装 libsvm-3.18，这个教程网上一大堆，主要是两步：mex -setup和 make；
4 测试安装是否成功。
Ⅳ 怎么在matlab中添加新的工具箱及遇到的问题解决
1、将下载的工具箱添加至matlab安装目录下
1、单独下载的工具箱
2、把新的工具箱拷贝到某个目录（我的是D:\soft\matlab2011b\toolbox）。
注意：你要是添加的很多个m文件，那就把这些m文件直接拷到再下一层你想要的工具箱的文件夹里
例如，我要添加的是支持向量机工具箱，在刚才的文件夹下我已经有svm（支持向量机工具箱）文件夹了，但有的m文件还没有，我就把新的m文件统统拷到D:\soft\matlab2011b\toolbox \svm目录下了。如果你连某工具箱（你打算添加的）的文件夹都没有，那就把文件夹和文件一起拷到D:\soft\matlab2011b\toolbox 下。
先把工具箱保存到MATLAB安装目录的根目录下面，然后运行matlab---->file---->set path---->add folder 然后把你的工具箱文件夹添加进去就可以了
3、在matlab的菜单file下面的set path把它（ D:\soft\matlab2011b\toolbox \svm ）加上。
4、 把路径加进去后在file→Preferences→General的Toolbox Path Caching里点击update Toolbox Path Cache更新一下。
Ⅳ matlab 支持向量机工具箱怎么用
有的工具箱有用户交互界面，可以直接在MATLAB的启动菜单下进入；
有的没有用户界面，但是有相关的程序（或者说函数）供调用；即使有界面的工具箱，也是有相应的函数的。
可以从帮助（Help）中查询MATLAB的工具箱的详细使用方法。
帮助里面对主题进行了分类，进入工具箱那一类即可
Ⅵ 最小二乘支持向量机工具箱如何使用
用LIBSVM工具箱抄，它是由台湾袭大学林智仁（Chih-Jen Lin）等开发和设计的，它是一个简单、易于使用并且快速有效的SVM软件工具包，可以解决C-支持向量分类（C-SVC）、v-支持向量分类（v-SVC）、分布估计（one-class SVM）、e-支持向量回归（e-SVR）
Ⅶ 如何在MATLAB中添加SVM函数工具箱
1、将下载的svm工具箱添加至matlab安装目录下
1、单独下载的工具箱
2、把新的工具箱拷贝到某个目录（我的是D:\soft\matlab2011b\toolbox）。
注意：你要是添加的很多个m文件，那就把这些m文件直接拷到再下一层你想要的工具箱的文件夹里
例如，我要添加的是支持向量机工具箱，在刚才的文件夹下我已经有svm（支持向量机工具箱）文件夹了，但有的m文件还没有，我就把新的m文件统统拷到D:\soft\matlab2011b\toolbox \svm目录下了。如果你连某工具箱（你打算添加的）的文件夹都没有，那就把文件夹和文件一起拷到D:\soft\matlab2011b\toolbox 下。
先把工具箱保存到MATLAB安装目录的根目录下面，然后运行matlab---->file---->set path---->add folder 然后把你的工具箱文件夹添加进去就可以了
3、在matlab的菜单file下面的set path把它（ D:\soft\matlab2011b\toolbox \svm ）加上。
4、 把路径加进去后在file→Preferences→General的Toolbox Path Caching里点击update Toolbox Path Cache更新一下。
Ⅷ matlab支持向量机工具箱怎么使用
有的工具箱有用户交互界面，可以直接在MATLAB的启动菜单下进入；
有的没有版用户界面，但是有相关的程序（权或者说函数）供调用；即使有界面的工具箱，也是有相应的函数的。
可以从帮助（Help）中查询MATLAB的工具箱的详细使用方法。
帮助里面对主题进行了分类，进入工具箱那一类即可
Ⅸ 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）。
Ⅹ 哪位朋友能介绍一下支持向量机工具libsvm的用法
LIBSVM的简单介绍 2006-09-20 15:59:48
大 中 小
1. LIBSVM 软件包简介
LIBSVM 是台湾大学林智仁(Chih-Jen Lin)博士等开发设计的一个操作简单、易于使用、快速有效的通用SVM 软件包，可以解决分类问题（包括C- SVC、n - SVC ）、回归问题（包括e - SVR、n - SVR ）以及分布估计（one-class-SVM ）等问题，提供了线性、多项式、径向基和S形函数四种常用的核函数供选择，可以有效地解决多类问题、交叉验证选择参数、对不平衡样本加权、多类问题的概率估计等。LIBSVM 是一个开源的软件包，需要者都可以免费的从作者的个人主页http://www.csie.ntu.e.tw/~cjlin/
处获得。他不仅提供了LIBSVM的C++语言的算法源代码，还提供了Python、Java、R、MATLAB、Perl、Ruby、LabVIEW以及C#.net 等各种语言的接口，可以方便的在Windows 或UNIX 平台下使用。另外还提供了WINDOWS 平台下的可视化操作工具SVM-toy，并且在进行模型参数选择时可以绘制出交叉验证精度的等高线图。
2. LIBSVM 使用方法简介
LibSVM是以源代码和可执行文件两种方式给出的。如果是Windows系列操作系统，可以直接使用软件包提供的程序，也可以进行修改编译；如果是Unix类系统，必须自己编译。
LIBSVM 在给出源代码的同时还提供了Windows操作系统下的可执行文件，包括：进行支持向量机训练的svmtrain.exe；根据已获得的支持向量机模型对数据集进行预测的svmpredict.exe；以及对训练数据与测试数据进行简单缩放操作的svmscale.exe。它们都可以直接在DOS 环境中使用。如果下载的包中只有C++的源代码，则也可以自己在VC等软件上编译生成可执行文件。
3. LIBSVM 使用的一般步骤是：
1） 按照LIBSVM软件包所要求的格式准备数据集；
2） 对数据进行简单的缩放操作；
3） 考虑选用RBF 核函数；
4） 采用交叉验证选择最佳参数C与g ；
5） 采用最佳参数C与g 对整个训练集进行训练获取支持向量机模型；
6） 利用获取的模型进行测试与预测。
4. LIBSVM使用的数据格式
1）训练数据和检验数据文件格式如下：
<label> <index1>:<value1> <index2>:<value2> ...
其中<label> 是训练数据集的目标值，对于分类，它是标识某类的整数(支持多个类)；对于回归，是任意实数。<index> 是以1开始的整数，可以是不连续的；<value>为实数，也就是我们常说的自变量。检验数据文件中的label只用于计算准确度或误差，如果它是未知的，只需用一个数填写这一栏，也可以空着不填。
在程序包中，还包括有一个训练数据实例：heart_scale，方便参考数据文件格式以及练习使用软件。可以编写小程序，将自己常用的数据格式转换成这种格式
2）Svmtrain和Svmpredict的用法
LIBSVM软件提供的各种功能都是DOS命令执行方式。我们主要用到两个程序，svmtrain(训练建模)和svmpredict(使用已有的模型进行预测)，下面分别对这两个程序的使用方法、各参数的意义以及设置方法做一个简单介绍：
（1）Svmtrain的用法：
svmtrain [options] training_set_file [model_file]
Options：可用的选项即表示的涵义如下
-s svm类型：SVM设置类型(默认0)
0 -- C-SVC
1 --v-SVC
2 – 一类SVM
3 -- e -SVR
4 -- v-SVR
-t 核函数类型：核函数设置类型(默认2)
0 – 线性：u'v
1 – 多项式：(r*u'v + coef0)^degree
2 – RBF函数：exp(-r|u-v|^2)
3 –sigmoid：tanh(r*u'v + coef0)
-d degree：核函数中的degree设置(默认3)
-g 函数设置(默认1/ k)r(gama)：核函数中的
-r coef0：核函数中的coef0设置(默认0)
-c cost：设置C-SVC， -SVR的参数(默认1)-SVR和
- SVR的参数(默认0.5)-SVC，一类SVM和-n nu：设置
-SVR-p e：设置的值(默认0.1)中损失函数
-m cachesize：设置cache内存大小，以MB为单位(默认40)
-e ：设置允许的终止判据(默认0.001)
-h shrinking：是否使用启发式，0或1(默认1)
-wi C(C-SVC中的C)(默认1)weight：设置第几类的参数C为weight
-v n: n-fold交互检验模式
其中-g选项中的k是指输入数据中的属性数。option -v 随机地将数据剖分为n部分并计算交互检验准确度和均方根误差。以上这些参数设置可以按照SVM的类型和核函数所支持的参数进行任意组合，如果设置的参数在函数或SVM类型中没有也不会产生影响，程序不会接受该参数；如果应有的参数设置不正确，参数将采用默认值。training_set_file是要进行训练的数据集；model_file是训练结束后产生的模型文件，文件中包括支持向量样本数、支持向量样本以及lagrange系数等必须的参数；该参数如果不设置将采用默认的文件名，也可以设置成自己惯用的文件名。
（2）Svmpredict的用法：
svmpredict test_file model_file output_file
model_file 是由svmtrain产生的模型文件；test_file是要进行预测的数据文件；Output_file是svmpredict的输出文件。svm-predict没有其它的选项。
下面是具体的使用例子
svmtrain -s 0 -c 1000 -t 1 -g 1 -r 1 -d 3 data_file
训练一个由多项式核(u'v+1)^3和C=1000组成的分类器。
svmtrain -s 1 -n 0.1 -t 2 -g 0.5 -e 0.00001 data_file =-SVM (在RBF核函数exp(-0.5|u-v|^2)和终止允许限0.00001的条件下，训练一个 0.1)分类器。 svmtrain -s 3 -p 0.1 -t 0 -c 10 data_file =以线性核函数u'v和C=10及损失函数 0.1求解SVM回归。