svm回归原理

svmtrain和svmpredict简介

分类:SVM

本文主要介绍了SVM工具箱中svmtrain和svmpredict两个主要函数：

(1)model= svmtrain(train_label, train_matrix,

['libsvm_options']);

其中：

train_label表示训练集的标签。

train_matrix表示训练集的属性矩阵。

libsvm_options是需要设置的一系列参数，各个参数可参见《libsvm

参数说明.txt》，里面介绍的很详细，中英文都有的。如果用回归的话，其中的-s参数值应为3。

model:是训练得到的模型，是一个结构体（如果参数中用到-v，得到的就不是结构体，对于分类问题，得到的是交叉检验下的平均分类准确率；对于回归问题，得到的是均方误差）。

(2)[predicted_label,

accuracy/mse,decision_values/prob_estimates]

=svmpredict(test_label, test_matrix, model,

['libsvm_options']);

其中：

test _label表示测试集的标签（这个值可以不知道，因为作预测的时候，本来就是想知道这个值的，这个时候，随便制定一个值就可以了，只是这个时候得到的mse就没有意义了）。

test _matrix表示测试集的属性矩阵。

model 是上面训练得到的模型。

libsvm_options是需要设置的一系列参数。

predicted_label表示预测得到的标签。

accuracy/mse是一个3*1的列向量，其中第1个数字用于分类问题，表示分类准确率；后两个数字用于回归问题，第2个数字表示mse；第三个数字表示平方相关系数（也就是说，如果分类的话，看第一个数字就可以了；回归的话，看后两个数字）。

decision_values/prob_estimates：第三个返回值，一个矩阵包含决策的值或者概率估计。对于n个预测样本、k类的问题，如果指定“-b 1”参数，则n x k的矩阵，每一行表示这个样本分别属于每一个类别的概率；如果没有指定“-b 1”参数，则为n

第３４卷第３期　２０１６年５月　吉林大学学报（信息科学版）　Ｊｏｕｒｎａｌ　ｏｆ　Ｊｉｌｉｎ　Ｕｎｉｖｅｒｓｉｔｙ（Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅ　Ｅｄｉｔｉｏｎ）　Ｖｏ１．３４　Ｎｏ．３　Ｍａｖ　２０１６　

文章编号：１６７１－５８９６（２０１６）０３－０３８４－０６　

基于ＳＶＭ回归的连续血压测量方法　

宋晓洋　，刘立勋　

（１．吉林大学通信工程学院，长春１３００１２；２．吉林大学珠海学院，广东珠海５１９０４１）　

摘要：针对目前血压测量主要以问歇式为主，且难以摆脱充气袖带束缚的问题，在脉搏波特征参数法测量血压　的基础上，提出基于ＳＶＭ（Ｓｕｐｐｏ￣Ｖｅｃｔｏｒ　Ｍａｃｈｉｎｅ）回归的连续血压测量方法。以脉搏波为主要研究对象，提取　脉搏波相关特征点，并对其进行周期分割，得到脉搏波时域特征，寻找动脉血压和脉搏波时域特征之间的关　系，建立连续血压回归模型。实验结果表明，该方法可以很好地对每一心拍的血压值进行连续测量，且测量结　果符合美国医疗器械促进学会（ＡＡＭＩ：Ａｓｓｏｃｉａｔｉｏｎ　ｆｏｒ　ｔｈｅ　Ａｄｖａｎｃｅｍｅｎｔ　ｏｆ　Ｍｅｄｉｃａｌ　Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ）推荐的标准，　平均误差不超过０．６７　ｋＰａ、标准差不超过１．０７　ｋＰａ。　关键词：动脉血压；脉搏波；特征点检测；支持向量机；回归　中图分类号：ＴＰ３９１．４　文献标识码：Ａ　

Ｃｏｎｔｉｎｕｏｕｓ　Ｂｌｏｏｄ　Ｐｒｅｓｓｕｒｅ　Ｍｅａｓｕｒｅｍｅｎｔ　Ｍｅｔｈｏｄ　Ｂａｓｅｄ　ｏｎ　ＳＶＭ　Ｒｅｇｒｅｓｓｉｏｎ　

ＳＯＮＧ　Ｘｉａｏｙａｎｇ　，ＬＩＵ　Ｌｉｘｕｎ　（１．Ｃｏｌｌｅｇｅ　ｏｆ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｊｉｌｉｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｃｈｕｎ　１３００１２，Ｃｈｉｎａ　２．Ｃｏｌｌｅｇｅ　ｏｆ　Ｚｈｕｈａｉ，Ｊｉｌｉｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｚｈｕｈａｉ　５１９０４１，Ｃｈｉｎａ）　

第３７卷第２期　西　安科技　大　学　学报　

２０１７年ｏ３月　ＪＯＵＲＮＡＬ　ＯＦ　ＸＩ’ＡＮ　ＵＮＪＶＥＲＳ兀Ｙ　ＯＦ　ＳＣＩＥＮＣＥ　ＡＮＤ　ＴＥＣＨＮ０ＩＪ０ＧＹ　Ｖ０Ｊ．３７　Ｎ【）．２　Ｍａｒ．２０１７　

ＤＯＩ：１０．１３８００／ｊ．ｅｎｋｉ．ｘａｋｊｄｘｘｂ．２０１７．０２２３文章编号：１６７２—９３１５（２０１７）０２—０２９９—０６　

改进的并行ＳＶＭ回归算法　

厍向阳，崔文强　

（西安科技大学计算机科学与技术学院，陕西西安７１００５４）　

摘　要：针对目前ＳＶＭ回归算法在大样本情况下，学习效率低、精度不高的问题，提出了基于Ｋ．　

ｍｅａｎｓ聚类的并行ＳＶＭ回归算法。在Ｈａｄｏｏｐ框架中，先对训练样本行进并行聚类，然后针对聚　

类后的不同簇，构造相应的ＳＶＭ回归模型，使用顺次最小优化算法求解各模型参数。预测时，选　

择与待预测样本距离最近簇的对应ＳＶＭ回归模型进行预测。实验验证了文中算法的可行性和有　

效性。　

关键词：支持向量机；Ｋ．ｍｅａｎｓ聚类；并行计算；顺次最小优化算法　

中图分类号：ＴＰ　３１２　文献标志码：Ａ　

Ｉｍｐｏｖｅｄ‘ｐａｒａｌｌｅｌ　ＳＶＭ　ｒｅｇｒｅｓｓｉｏｎ　ａｌｇｏｒｉｔｈｍ　

ＳＨＥ　Ｘｉａｎｇ－ｙａｎｇ，ＣＵＩ　Ｗｅｎ—ｑｉａｎｇ　

（Ｃｏｌｌｅｇｅ　ｏｆＣｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉ’ｃｔｎ　ＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｘｉ’ａｎ　７１００５４，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇ　ａｔ　ｔｈｅ　ｌｏｗ　ｅｆｆｉｃｉｅｎｃｙ　ａｎｄ　ｐｏｏｒ　ａｃｃｕｒａｃｙ　ｐｒｏｂｌｅｍ　ｏｆ　ｓｅｒｉａｌ　ｔｒａｄｉｔｉｏｎａｌ　ＳＶＭ　ｒｅｇｒｅｓｓｉｏｎ　

ａｌｇｏｒｉｔｈｍ　ｉｎ　ｌａｒｇｅ　ｓａｍｐｌｅ　ｃａｓｅｓ，ｔｈｅ　ｉｍｐｒｏｖｅｄ　ｐａｒａｌｌｅｌ　ＳＶＭ　ｒｅｇｒｅｓｓｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　Ｋ—ｍｅａｎｓ　ｃｌｕｓ－　

SVM算法及其Matlab应用

一、SVM算法..............................................................................................................21.1、线性分类器及其求解...................................................................................2

1.2、核函数...........................................................................................................7

1.3、松弛变量.......................................................................................................8

二、SVM在多类分类中的应用................................................................................132.1、一对其余法.................................................................................................13

2.2、一对一.........................................................................................................14

2.3、DAG方法（有向无环图）.......................................................................14