该电离层数据集，其中包括在统计和机器学习工具箱™，包含雷达收益质量（ÿ)及预测数据(X)。雷达回波要么质量很好(‘g’)或品质欠佳('B')。

加载电离层数据集。确定样本大小。

加载电离层N = numel（Y）

n = 351

MATLAB函数块不能返回电池阵列。所以，响应变量转换成其元素是一个逻辑矢量1如果雷达返回良好，并且0除此以外。

Y = strcmp (Y,‘g’）;

假设雷达返回是按顺序检测到的，并且您有前300个观察结果，但是您还没有接收到最后的51个。将数据划分为当前和未来的示例。

prsntX = X(施用:);prsntY = Y(施用);ftrX = X(301年:,);ftrY = Y(301:结束);

利用现有的所有数据训练支持向量机模型。指定预测数据标准化。

Mdl = fitcsvm (prsntX prsntY,“标准化”，真正）;

Mdl是ClassificationSVM模型。在命令行，你可以使用Mdl为新的观测做出预测。但是，您不能使用Mdl作为用于代码生成的函数中的输入参数。

准备Mdl在函数中使用saveLearnerForCoder。

saveLearnerForCoder (Mdl'SVMIonosphere'）;

saveLearnerForCoder契约Mdl，然后将其保存在MAT文件SVMIonosphere.mat。

定义一个名为的入口点函数svmIonospherePredict.m可以预测一个雷达回波是否是质量好。该函数应该：

函数(标签,分数)= svmIonospherePredict (X)％＃代码生成％svmIonospherePredict使用SVM模型预测雷达收益质量％svmIonospherePredict预测标签和分类测算雷达在预报数据X的数值矩阵中返回的百分比分数%使用压缩SVM模型中的文件SVMIonosphere.mat。行(X)％对应于观察和列预测变量。标签％是预测的标签和得分的置信度雷达回波质量分级为良好。％％版权所有2016年MathWorks公司MDL = loadLearnerForCoder（'SVMIonosphere'）;[标号，bothscores] =预测（MDL，X）;得分= bothscores（：，2）;结束

注意:如果您单击本页右上方的按钮，并在MATLAB®中打开这个示例，那么MATLAB将打开示例文件夹。该文件夹包含入口点函数文件。

加载的Simuli金宝appnk模型slexSVMIonospherePredictExample.slx。

SimMdlName ='slexSVMIonospherePredictExample';open_system（SimMdlName）;

该图显示的Simulink模型。金宝app当输入节点检测到雷达回波，它指示将观测到MATLAB功能块调度到svmIonospherePredict.m。在预测标签和得分之后，模型将这些值返回到工作区，并一次显示一个模型中的值。当你负荷slexSVMIonospherePredictExample.slx，MATLAB®还加载数据集，它需要一个名为radarReturnInput。然而，这个例子说明了如何构建所需的数据集。

该模型期望接收输入数据作为称为结构阵列radarReturnInput包含这些字段:

创建用于将来的雷达回波适当的结构阵列。

radarReturnInput.time =（0:50）';radarReturnInput.signals（1）.values = ftrX;radarReturnInput.signals（1）.dimensions =尺寸（ftrX，2）;

你可以改变从名字radarReturnInput，然后在模型中指定新名称。但是，Simuli金宝appnk®希望结构数组包含所描述的字段名。

使用模拟训练举起手中的数据模型，即，在数据radarReturnInput。

sim (SimMdlName);

图中显示了模型处理完所有的观察后的情况radarReturnInput一次一个。预测的标签X(351年:)是1和其正级得分1.431。的变量兜售，YOUT,svmlogsout显示在工作区。YOUT和svmlogsout是金宝appSimulinkData.Dataset包含预测的标签和对象的得分。有关详细信息，请参阅日志模拟数据的数据格式(金宝app模型)。

摘自模拟日志的模拟数据。

labelsSL = svmlogsout.getElement（1）.Values.Data;scoresSL = svmlogsout.getElement（2）.Values.Data;

labelsSL是预测标签的51×1数值向量。labelsSL (j)=1意味着该SVM模型预测，雷达回波Ĵ未来样品中具有良好的质量和0否则表示。scoresSL为正类成绩的51乘1的数字向量，即到决策边界的有符号距离。阳性分数对应于预测的标签1和负的分数对应于预测的标签0。

预测使用标签和正级分数在命令行预测。

[labelCMD，scoresCMD] =预测（MDL，ftrX）;scoresCMD = scoresCMD（：，2）;

labelCMD和scoresCMD是相称labelsSL和scoresSL。

通过比较返回的未来样品，阳性级分slexSVMIonospherePredictExample这些返回调用预测在命令行。

ERR =总和（（scoresCMD  -  scoresSL）^ 2）;ERR 
              

ans = logical 1

该套分数之间的偏差平方和的总和是可以忽略不计。

如果您还拥有Simulink®Code金宝appr™许可证，那么您可以从其中生成C代码slexSVMIonospherePredictExample.slx在Si金宝appmulink®或从命令行使用rtwbuild。有关详细信息，请参阅为模型生成C代码（金宝app编码器的Simulink）。