虫虫wap建站源码,在哪个网站做简历比较好,怎么知道网站的域名,做期货与做网站的关系分类预测 | Matlab实现KPCA-IDBO-LSSVM基于核主成分分析和改进蜣螂优化算法优化最小二乘支持向量机分类预测 目录 分类预测 | Matlab实现KPCA-IDBO-LSSVM基于核主成分分析和改进蜣螂优化算法优化最小二乘支持向量机分类预测分类效果基本描述程序设计参考资料 分类效果 基本描述…分类预测 | Matlab实现KPCA-IDBO-LSSVM基于核主成分分析和改进蜣螂优化算法优化最小二乘支持向量机分类预测 目录 分类预测 | Matlab实现KPCA-IDBO-LSSVM基于核主成分分析和改进蜣螂优化算法优化最小二乘支持向量机分类预测分类效果基本描述程序设计参考资料 分类效果 基本描述
Matlab实现KPCA-IDBO-LSSVM基于核主成分分析和改进蜣螂优化算法优化最小二乘支持向量机分类预测(可用于故障诊断等方面)MATLAB代码,运行环境matlab2018及以上。
❶含LSSVM、DBO-LSSVM、IDBO-LSSVM、KPCA-IDBO-LSSVM四个模型的对比。经过降维后利用改进蜣螂算法优化LSSVM参数为siggamma。
❷两个改进策略
改进黄金正弦策略和改进位置更新动态权重系数可提高收敛率促进算法寻优。
❸可出分类效果图迭代优化图混淆矩阵
❹代码中文注释清晰质量极高
❺赠送数据集可以直接运行源程序。 程序设计
完整程序和数据私信博主回复Matlab实现KPCA-IDBO-LSSVM基于核主成分分析和改进蜣螂优化算法优化最小二乘支持向量机分类预测。
function [Y, eigVec, eigVal] kPCA(p_train, dim, type, para)%% 获取样本数目
N size(p_train, 1);%% 核主成分分析
K0 kernel(p_train, type, para);
oneN ones(N, N) / N;%% 特征值分析
[V, D] eig(K / N);
eigVal diag(D);
[~, idx] sort(eigVal, descend);
eigVal eigVal(idx);%% 特征向量分析
eigVec V(:, idx);
norm_eigVector sqrt(sum(eigVec .^ 2));
eigVec eigVec ./ repmat(norm_eigVector, size(eigVec, 1), 1);%% 降维
eigVec eigVec(:, 1: dim);
Y K0 * eigVec;end
%% 参数设置
%% 数据反归一化
T_sim1 vec2ind(t_sim1);
T_sim2 vec2ind(t_sim2);% %% 数据排序
% [T_train, index_1] sort(T_train);
% [T_test , index_2] sort(T_test );
%
% T_sim1 T_sim1(index_1);
% T_sim2 T_sim2(index_2);%% 性能评价
error1 sum((T_sim1 T_train))/M * 100 ;
error2 sum((T_sim2 T_test)) /N * 100 ;%% 绘图
figure()
legend(真实值, 预测值)
xlabel(预测样本)
ylabel(预测结果)
string {训练集预测结果对比; [准确率 num2str(error1) %]};
title(string)
xlim([1, M])
gridfigure
legend(真实值, 预测值)
xlabel(预测样本)
ylabel(预测结果)
string {测试集预测结果对比; [准确率 num2str(error2) %]};
title(string)
xlim([1, N])
grid%% 混淆矩阵
figure
cm confusionchart(T_train, T_sim1);
cm.Title Confusion Matrix for Train Data;
cm.ColumnSummary column-normalized;
cm.RowSummary row-normalized;figure
cm confusionchart(T_test, T_sim2);
cm.Title Confusion Matrix for Test Data;
cm.ColumnSummary column-normalized;
cm.RowSummary row-normalized;参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/129036772?spm1001.2014.3001.5502 [2] https://blog.csdn.net/kjm13182345320/article/details/128690229
