Matlab 银行钞票真假识别：SVM分类器实现与结果可视化

本教程将使用Matlab 2016自带的工具箱，利用SVM分类器对银行钞票真假数据集进行分类，并通过可视化展示分类结果。

首先，需要对数据集进行处理，将其分为训练集和测试集。代码如下：

data_txt = importdata('G:\matlabwenjian\data_banknote_authentication.txt');
data = data_txt.data;
[m, n] = size(data);
rate = 0.7;
train_num = ceil(m * rate);
train_data = data(1:train_num, :);
test_data = data(train_num + 1:end, :);

接下来，使用支持向量机（SVM）作为分类器。SVM是一种常用的分类算法，可以实现高准确率的分类效果。代码如下：

svm = fitcsvm(train_data(:, 1:end-1), train_data(:, end));
predict_label = predict(svm, test_data(:, 1:end-1));

最后，使用绘图工具箱将分类结果进行可视化。代码如下：

figure;
hold on;
scatter(test_data(predict_label == 0, 1), test_data(predict_label == 0, 2), '+');
scatter(test_data(predict_label == 1, 1), test_data(predict_label == 1, 2), 'o');
legend('Fake', 'Real');
xlabel('Variance');
ylabel('Skewness');
hold off;

将以上三段代码结合起来，得到完整程序如下：

data_txt = importdata('G:\matlabwenjian\data_banknote_authentication.txt');
data = data_txt.data;
[m, n] = size(data);
rate = 0.7;
train_num = ceil(m * rate);
train_data = data(1:train_num, :);
test_data = data(train_num + 1:end, :);

svm = fitcsvm(train_data(:, 1:end-1), train_data(:, end));
predict_label = predict(svm, test_data(:, 1:end-1));

figure;
hold on;
scatter(test_data(predict_label == 0, 1), test_data(predict_label == 0, 2), '+');
scatter(test_data(predict_label == 1, 1), test_data(predict_label == 1, 2), 'o');
legend('Fake', 'Real');
xlabel('Variance');
ylabel('Skewness');
hold off;

该程序通过SVM算法对银行钞票真假进行分类，并使用绘图工具箱展示了分类结果。其中，训练集和测试集的比例为7:3，SVM分类器使用默认参数，绘图工具箱为matlab 2016自带的。

代码解释

数据集处理：

importdata 函数导入数据文件。
size 函数获取数据矩阵的尺寸。
ceil 函数对训练集样本数量进行向上取整。
将数据集划分为训练集和测试集。

SVM 模型训练：

fitcsvm 函数使用训练集训练SVM模型。
predict 函数使用训练好的SVM模型对测试集进行预测。

结果可视化：

figure 函数创建一个新的图形窗口。
scatter 函数绘制散点图，将不同类别的样本用不同的符号表示。
legend 函数添加图例。
xlabel 和 ylabel 函数添加坐标轴标签。