列车分类模型

此示例使用电离层包含雷达回波质量的数据集(Y)和预测数据(X)共有34个变量。雷达回波要么质量很好(“g”)还是质量差(“b”).

加载电离层数据集。确定样本量。

负载电离层n=努美尔（Y）

n=351

假设雷达回波是按顺序检测到的，你有前300次观测，但你还没有收到最后51次。将数据划分为当前和未来的样本。

prsntX=X（1:300，：）；prsntY=Y（1:300）；ftrX=X（301:end，：）；ftrY=Y（301：结束）；

使用所有当前可用数据训练SVM模型。指定预测数据标准化。

svmMdl=fitcsvm（prsntX、prsntY、，“标准化”，对）；

svmMdl是一个分类VM模型

使用类名性质svmMdl.

svmMdl.ClassNames

ans=2x1电池{'b'}{'g'}

否定类是“b”，而正类是“g”。从分数ClassificationSVM预测块的端口具有相同的顺序。第一个和第二个元素分别对应于消极班级和积极班级分数。

创建Simul金宝appink模型

此示例提供Simulink模型金宝appslexIonosphereClassificationSVMPredictExample.slx，其中包括分类块。您可以打开Simulink模型或按本节所述创金宝app建新模型。

打开Simulin金宝appk模型slexIonosphereClassificationSVMPredictExample.slx.

SimMdlName=“SlexionSphereClassificationsVMPredictExample”；开放式系统（SimMdlName）

这个预处理的回调函数SlexionNoSphereClassificationsVMPredictExample包括加载样本数据、训练SVM模型以及为Simulink模型创建输入信号的代码。如果打开Simulink模型，则软件将在中运行代码金宝app预处理加载Simulink模型之前。要查看回金宝app调函数，请在安装程序关于建模选项卡，单击模型设置选择模型属性.然后，在回调选项卡上，选择预处理中的回调函数模型回调窗玻璃

要创建新的Simulink模型，金宝app请打开空白模型模板并添加ClassificationSVM预测块。添加输入和输出块并将它们连接到ClassificationSVM预测块。

双击ClassificationSVM预测块以打开“块参数”对话框。指定选择经过训练的机器学习模型参数为svmMdl，它是包含经过训练的SVM模型的工作空间变量的名称。单击刷新对话框显示用于训练SVM模型的选项svmMdl在下面训练机器学习模型. 选择为预测的班级分数添加输出端口复选框以添加第二个输出端口分数.

ClassificationSVM预测块需要一个包含34个预测值的观察值。双击输入块，然后设置端口尺寸到34岁了信号属性标签。

为Simulink模型创建结构数组形式的输入信号。结构数组必须包含以下字段：金宝app

为未来的雷达返回创建适当的结构阵列。

radarReturnInput.time=（0:50）'；雷达回波输入。信号（1）。值=ftrX；雷达回波输入。信号（1）。尺寸=尺寸（ftrX，2）；

要从工作区导入信号数据，请执行以下操作：

有关详细信息，请参阅用于模拟的负载信号数据（金宝appSimulink）.

模拟模型。

sim（SimMdlName）；

当Inport块检测到一个观测值时，它会将观测值引导到ClassificationSVM预测块中模拟数据检查器（金宝appSimulink）查看输出端口块的记录数据。