采样到分类预测的整个流程

    在matlab环境下：

    1. 采样。函数sample

    2. 加上类标，计算特征值。函数SVMdata

    3. 生成训练集、测试集。函数sepjoin

    4. 转换成libSVM要求的格式。函数write4libsvm

    为了方便修改，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环境下：

    5. 数据预处理，通过svm-scale命令将训练集和测试集进行适当缩放

    6. 通过训练集得到预测模型

    7. 通过预测模型进行分类预测

    同样的为了方便修改，可以将上述3步写成批处理文件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，得到不同采样窗口下的预测准确率；在matlab环境下完成计算检测率和误检率的程序。