为什么RCNN用SVM做分类而不直接用CNN全连接之后softmax输出

　　在多分类中，CNN的输出层一般都是Softmax。

　　RBF在接触中如果没有特殊情况应该是“径向基函数”（RadialBasisFunction）。

　　在DNN兴起之前，RBF由于出色的局部近似能力，被广泛应用在SVM的核函数中，当然也有熟悉的RBF神经网络（也就是以RBF函数为激活函数的单隐含层神经网络）。

　　如果说把RBF作为卷积神经网络的输出，觉得如果不是有特殊的应用背景，它并不是一个很好的选择。

　　至少从概率角度上讲，RBF没有Softmax那样拥有良好的概率特性。

在MALTAB使用SVM库的方式为：

SVMstruct = svmtrain(data,groups,'Kernel_Function','rbf');

其中data是样本集，groups是组集，Kernel_Function是核函数的字符串，后面的rbf表示选择的是径向基函数（也可以自定义成其他的）

一般说来你需要收集样本集和所需要分的组，然后选择一个合适的核函数，然后使用svmtrain来训练支持向量机。训练完毕后使用svmclassify分类。

详细信息可以在Matlab command window输入doc SVM查看。