Contents.m




 Synopsis:

  [y,dfce] = svmclass( X, model )



 Description:

  [y,dfce] = svmclass( X, model ) classifies input vectors X

    into classes using the multi-class SVM classifier

      y(i) = argmax f_j(X(:,i))

            j=1..nfun

    where f_j are linear functions in the feature space given 

    by the prescribed kernel function (options.ker, options.arg). 

    The discriminant functions f_j are determined by 

      .Alpha [nsv x nfun] ... multipliers associated to SV

      .b [nclass] ... biases of discriminant functions.

      .sv.X [dim x nsv] ... support vectors.

 

    See 'help kernelproj' for more info about valuation of the 

    discriminant functions f_j.



    In the binary case nfun=1 the binary SVM classifier is used

      y(i) = 1 if f(X(:,i) >= 0

           = 2 if f(X(:,i) < 0

    where f is the disrimiant function given by Alpha [nsv x 1],

    b [1x1] and support vectors sv.X.

      

 Input:

  X [dim x num_data] Input vectors to be classified.



  model [struct] SVM classifier:

   .Alpha [nsv x nfun] Multipliers associated to suport vectors.

   .b [nfun x 1] Biases.

   .sv.X [dim x nsv] Support vectors.

   .options.ker [string] Kernel identifier.

   .options.arg [1 x nargs] Kernel argument(s).



 Output:

  y [1 x num_data] Predicted labels.

  dfce [nfun x num_data] Values of discriminant functions.



 Example:

  trn = load('riply_trn');

  model = smo(trn,struct('ker','rbf','arg',1,'C',10));

  tst = load('riply_tst');

  ypred = svmclass( tst.X, model );

  cerror( ypred, tst.y )

 

 See also 

  SMO, SVMLIGHT, SVMQUADPROG, KFD, KFDQP, MVSVMCLASS.