clc;
clear;
N=10;
%下面的數據是我們實際項目中的10訓練樣例（樣例中有8個屬性）
%一個正例九個負例
correctData=[0,0.2,0.8,0,0,0,2,2];
errorData_ReversePharse=[1,0.8,0.2,1,0,0,2,2];
errorData_CountLoss=[0.2,0.4,0.6,0.2,0,0,1,1];
errorData_X=[0.5,0.5,0.5,1,1,0,0,0];
errorData_Lower=[0.2,0,1,0.2,0,0,0,0];
errorData_Local_X=[0.2,0.2,0.8,0.4,0.4,0,0,0];
errorData_Z=[0.53,0.55,0.45,1
 
,0,1,0,0];
errorData_High=[0.8,1,0,0.8,0,0,0,0];
errorData_CountBefore=[0.4,0.2,0.8,0.4,0,0,2,2];
errorData_Local_X1=[0.3,0.3,0.7,0.4,0.2,0,1,0];
 sampleData=[correctData;errorData_ReversePharse;errorData_CountLoss;errorData_X;errorData_Lower;errorData_Local_X;errorData_Z;errorData_High;errorData_CountBefore;errorData_Local_X1];%訓練樣例

type1
 
=1;%正確的波形的類別，即我們的第一組波形是正確的波形，類別號用 1 表示
type2=-ones(1,N-2);%不正確的波形的類別，即第2~10組波形都是有故障的波形，類別號用-1表示
groups=[type1 ,type2]‘;%訓練所需的類別號
j=1;
%由於沒有測試數據，因此我將錯誤的波形數據輪流從訓練樣例中取出作為測試樣例
for i=2:10
   tempData=sampleData;
   tempData(i,:)=[];%該行用於測試
    svmStruct = svmtrain(tempData,groups);
    species(j) = svmclassify(svmStruct,sampleData(i,:));
    j
 
=j+1;
end
species

輸出結果如下：-1 -1 -1 -1 -1 -1 -1 1 -1

從結果可以看出：只有第九個被誤判，其它的都是正確的。

轉載自https://blog.csdn.net/u010412719/article/details/46794051

支持向量機（SVM）的一個小例子