matlab实现单类支持向量机

MATLAB可以使用支持向量机（SVM）工具箱来实现单类支持向量机（One-Class SVM）。下面是一个简单的示例代码，演示了如何使用MATLAB进行单类SVM的训练和预测：

% 生成一些示例数据
rng(1); % 设置随机数种子，以便结果可重复
X = 0.3 + 0.4 * randn(100, 2); % 正常样本
X_outliers = 2 + 0.2 * randn(20, 2); % 异常样本
X = [X; X_outliers];

% 训练单类SVM模型
nu = 0.05; % nu参数控制异常样本的比例
svmModel = fitcsvm(X, ones(size(X,1),1), 'KernelFunction', 'rbf', 'Nu', nu);

% 预测新样本的标签
labels = predict(svmModel, X);

% 绘制结果
figure;
gscatter(X(:,1), X(:,2), labels, 'br', 'xo');
hold on;
sv = svmModel.SupportVectors;
plot(sv(:,1), sv(:,2), 'ko', 'MarkerSize', 10);
legend('正常样本', '异常样本', '支持向量');

在上述代码中，我们首先生成了一些示例数据，其中包含正常样本和异常样本。然后，我们使用`fitcsvm`函数来训练一个单类SVM模型，其中`KernelFunction`参数指定了核函数的类型（这里使用了径向基函数rbf），`Nu`参数控制了异常样本的比例。最后，我们使用训练好的模型对新样本进行预测，并将结果可视化。

希望这个示例能够帮助你理解如何在MATLAB中实现单类支持向量机。