支持向量機(jī)非線性回歸通用matlab源碼-展示頁(yè)
2025-07-05 19:42本頁(yè)面
【正文】 l,1)。Aeq=[ones(1,l),ones(1,l)]。otherwiseK(i,j)=exp((sum((xy).^2)/(2*sigma^2)))。case 4K(i,j)=exp(norm(xy)/(2*sigma^2))。case 2K(i,j)=(sum(x.*y)+c)^p。y=X(:,j)。K=zeros(l,l)。%sigma=8。%c=0。%v=。%sigma=3。%sigma=6。%p=2。%c=。Y=premnmx(Y)。本函數(shù)在程序入口處對(duì)數(shù)據(jù)進(jìn)行了% [1,1]的歸一化處理，所以計(jì)算得到的回歸解析式的系數(shù)是針對(duì)歸一化數(shù)據(jù)的，仿真測(cè)% 試需使用與本函數(shù)配套的Regression函數(shù)。本源碼可以用于線性回歸、非線性回歸、非線性函數(shù)擬合、數(shù)據(jù)建模、預(yù)測(cè)、分類(lèi)等多種應(yīng)用場(chǎng)合，GreenSim團(tuán)隊(duì)推薦您使用。支持向量機(jī)非線性回歸通用MATLAB源碼支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)都可以用來(lái)做非線性回歸擬合，但它們的原理是不相同的，支持向量機(jī)基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化理論，普遍認(rèn)為其泛化能力要比神經(jīng)網(wǎng)絡(luò)的強(qiáng)。大量仿真證實(shí)，支持向量機(jī)的泛化能力強(qiáng)于BP網(wǎng)絡(luò)，而且能避免神經(jīng)網(wǎng)絡(luò)的固有缺陷——訓(xùn)練結(jié)果不穩(wěn)定。function [Alpha1,Alpha2,Alpha,Flag,B]=SVMNR(X,Y,Epsilon,C,TKF,Para1,Para2)%%% % Support Vector Machine for Nonlinear Regression% All rights reserved%%% 支持向量機(jī)非線性回歸通用程序% GreenSim團(tuán)隊(duì)原創(chuàng)作品，轉(zhuǎn)載請(qǐng)注明% GreenSim團(tuán)隊(duì)長(zhǎng)期從事算法設(shè)計(jì)、代寫(xiě)程序等業(yè)務(wù)% 歡迎訪問(wèn)GreenSim——算法仿真團(tuán)隊(duì)→% 程序功能：% 使用支持向量機(jī)進(jìn)行非線性回歸，得到非線性函數(shù)y=f(x1,x2,…,xn)的支持向量解析式，% 求解二次規(guī)劃時(shí)調(diào)用了優(yōu)化工具箱的quadprog函數(shù)。% 主要參考文獻(xiàn):% 朱國(guó)強(qiáng),% 輸入?yún)?shù)列表% X 輸入樣本原始數(shù)據(jù)，nl的矩陣，n為變量個(gè)數(shù)，l為樣本個(gè)數(shù)% Y 輸出樣本原始數(shù)據(jù)，1l的矩陣，l為樣本個(gè)數(shù)% Epsilon ε不敏感損失函數(shù)的參數(shù)，Epsilon越大，支持向量越少% C 懲罰系數(shù)，C過(guò)大或過(guò)小，泛化能力變差% TKF Type of Kernel Function 核函數(shù)類(lèi)型% TKF=1 線性核函數(shù)，注意：使用線性核函數(shù)，將進(jìn)行支持向量機(jī)的線性回歸% TKF=2 多項(xiàng)式核函數(shù)% TKF=3 徑向基核函數(shù)% TKF=4 指數(shù)核函數(shù)% TKF=5 Sigmoid核函數(shù)% TKF=任意其它值，自定義核函數(shù)% Para1 核函數(shù)中的第一個(gè)參數(shù)% Para2 核函數(shù)中的第二個(gè)參數(shù)% 注：% 輸出參數(shù)列表% Alpha1 α系數(shù)% Alpha2
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1