粒子群算法(PSO)优化最小二乘支持向量机分类预测 PSO-LSSVM分类预测 多输入单输出模型。

%% 清空环境变量

warning off % 关闭报警信息

close all % 关闭开启的图窗

clear% 清空变量

clc % 清空命令行

%% 导入数据

res = xlsread('数据集.xlsx');

%% 划分训练集和测试集%

P_train = res(1: 250, 1: 12)';

T_train = res(1: 250, 13)';

M = size(P_train, 2);

P_test = res(251: end, 1: 12)';

T_test = res(251: end, 13)';

N = size(P_test, 2);

%% 数据归一化

[p_train, ps_input] = mapminmax(P_train,0,1);

p_test = mapminmax('apply',P_test,ps_input);

t_train = T_train;

t_test = T_test;

%% 转置以适应模型

p_train = p_train'; p_test = p_test';

t_train = t_train'; t_test = t_test';

%% LS参数设置

type = 'c'; % 模型类型 分类

kernel_type = 'RBF_kernel'; % 线性核函数

codefct = 'code_OneVsOne'; % 一对一编码分类

fun = @getObjValue; % 目标函数

dim = 2; % 优化参数个数

ub = [300, 300]; % 优化参数目标上限

lb = [0.01, 0.01]; % 优化参数目标下限

pop = 5; % 数量

Max_iteration = 10; % 最大迭代次数

%% 优化算法

[Best_score,Best_pos, curve] = PSO(pop, Max_iteration, lb, ub, dim, fun);

如果觉得《粒子群算法(PSO)优化最小二乘支持向量机分类预测 PSO-LSSVM分类预测 多输入单输出模型。》对你有帮助，请点赞、收藏，并留下你的观点哦！