採樣到分類預測的整個流程

    在matlab環境下：

    1. 採樣。函數sample

    2. 加上類標，計算特徵值。函數SVMdata

    3. 生成訓練集、測試集。函數sepjoin

    4. 轉換成libSVM要求的格式。函數write4libsvm

    爲了方便修改，上述4步可以集中存放在WholeFlow.m中：

    [sampled_no,sampled_with] = sample  (packetprocess_no,packetprocess_with,300,320,sw,si);
    SVM_no = SVMdata(sampled_no,no,0);
    SVM_with = SVMdata(sampled_with,no,1);
    [train,test] = sepjoin(SVM_no,SVM_with,200,100);
    write4libsvm(train);
    write4libsvm(test);

 

    在libSVM環境下：

    5. 數據預處理，通過svm-scale命令將訓練集和測試集進行適當縮放

    6. 通過訓練集得到預測模型

    7. 通過預測模型進行分類預測

    同樣的爲了方便修改，可以將上述3步寫成批處理文件svm.bat：

    svm-scale -r range1 train > train.scale

    svm-scale -r range1 test > test.scale

    svm-train train.scale

    svm-predict test.scale train.scale.model test.predict

 

    下一步工作：按照上述流程，得到不同採樣窗口下的預測準確率；在matlab環境下完成計算檢測率和誤檢率的程序。