求助!matlab软件下SVM(支持向量机)做回归预测，软件版本为2016b看，老是报错看，不知道怎么解决这个问题。

最新推荐文章于 2024-07-21 20:52:47 发布
原创 最新推荐文章于 2024-07-21 20:52:47 发布 · 1.7k 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#SVM #matlab

有大神帮忙看看吗？

网上找的代码，在我的电脑下运行，总是出错，出错位置如下：

>> [py,mse] = svmpredict(Y_test,X_test,model);
Mean squared error = 0.0879962 (regression)
Squared correlation coefficient = 0.645314 (regression)

报错提示如下：

------------------------------------------------------------------------
          Access violation detected at Fri Feb 07 13:22:55 2020
------------------------------------------------------------------------

Configuration:
  Crash Decoding      : Disabled - No sandbox or build area path
  Crash Mode          : continue (default)
  Current Graphics Driver: ATI Technologies Inc. Radeon(TM) RX 460 Graphics Version 4.5.13464 Compatibility Profile Context 21.19.409.256
  Default Encoding    : GBK
  Deployed            : false
  Graphics card 1     : Advanced Micro Devices, Inc. ( 0x1002 ) Radeon(TM) RX 460 Graphics Version 21.19.409.256
  Graphics card 2     : Advanced Micro Devices, Inc. ( 0x1002 ) AMD Radeon R5 Graphics Version 21.19.409.256
  Host Name           : DESKTOP-E6HVKN9
  MATLAB Architecture : win64
  MATLAB Entitlement ID: Unknown
  MATLAB Root         : D:\Program Files\MATLAB\R2016b
  MATLAB Version      : 9.1.0.441655 (R2016b)
  OpenGL              : hardware
  Operating System    : Microsoft Windows 10 专业版
  Processor ID        : x86 Family 111 Model 101 Stepping 1, AuthenticAMD
  Virtual Machine     : Java 1.7.0_60-b19 with Oracle Corporation Java HotSpot(TM) 64-Bit Server VM mixed mode
  Window System       : Version 10.0 (Build 14393)

Fault Count: 1


Abnormal termination:
Access violation

Register State (from fault):
  RAX = 0000000000000038  RBX = 0000000000000031
  RCX = 0000000000000000  RDX = 00000001003c4280
  RSP = 00000000043f8ab8  RBP = 0000000000000031
  RSI = 0000000107d58cd0  RDI = 0000000000000031
 
   R8 = 0000000000000000   R9 = 0000000000008000
  R10 = 0000000000000000  R11 = 00000000043f8a60
  R12 = 00000000043fc320  R13 = 0000000000000002
  R14 = 000000008cb40b30  R15 = 000000000f72f828
 
  RIP = 000000018008a5c8  EFL = 00010206
 
   CS = 0033   FS = 0053   GS = 002b

Stack Trace (from fault):
[  0] 0x000000018008a5c8 D:\Program Files\MATLAB\R2016b\bin\win64\libmx.dll+00566728 mxGetPr+00000000
[  1] 0x00007ff823c51a00 E:\论文_张莉\02_基于无人机多光谱遥感的大豆叶面积指数反演研究\01_test_svm\libsvm-new\svmpredict.mexw64+00006656
[  2] 0x00007ff823c51cff E:\论文_张莉\02_基于无人机多光谱遥感的大豆叶面积指数反演研究\01_test_svm\libsvm-new\svmpredict.mexw64+00007423 mexFunction+00000543
[  3] 0x00000000fc5fc5d1 D:\Program Files\MATLAB\R2016b\bin\win64\libmex.dll+00116177 mexRunMexFile+00000129
[  4] 0x00000000fc5fb2e2 D:\Program Files\MATLAB\R2016b\bin\win64\libmex.dll+00111330 mexFeature_mexver+00001794
[  5] 0x00000000fc5fa506 D:\Program Files\MATLAB\R2016b\bin\win64\libmex.dll+00107782 mexUnlock+00020182
[  6] 0x00000000163846de D:\Program Files\MATLAB\R2016b\bin\win64\m_dispatcher.dll+00018142 Mfh_file::dispatch_fh_impl+00000434
[  7] 0x00000000163844b6 D:\Program Files\MATLAB\R2016b\bin\win64\m_dispatcher.dll+00017590 Mfh_file::dispatch_fh+00000062
[  8] 0x0000000016385827 D:\Program Files\MATLAB\R2016b\bin\win64\m_dispatcher.dll+00022567 Mfunction_handle::dispatch+00001015
[  9] 0x0000000016648c29 D:\Program Files\MATLAB\R2016b\bin\win64\m_lxe.dll+00887849 boost::serialization::singleton<boost::archive::detail::iserializer<boost::archive::binaryTerm_iarchive,ir::IrTree> >::get_instance+00798773
[ 10] 0x000000001665728f D:\Program Files\MATLAB\R2016b\bin\win64\m_lxe.dll+00946831 boost::serialization::singleton<boost::archive::detail::iserializer<boost::archive::binaryTerm_iarchive,ir::IrTree> >::get_instance+00857755
[ 11] 0x0000000016657b75 D:\Program Files\MATLAB\R2016b\bin\win64\m_lxe.dll+00949109 boost::serialization::singleton<boost::archive::detail::iserializer<boost::archive::binaryTerm_iarchive,ir::IrTree> >::get_instance+00860033
[ 12] 0x0000000016659151 D:\Program Files\MATLAB\R2016b\bin\win64\m_lxe.dll+00954705 boost::serialization::singleton<boost::archive::detail::iserializer<boost::archive::binaryTerm_iarchive,ir::IrTree> >::get_instance+00865629
[ 13] 0x0000000016659c95 D:\Program Files\MATLAB\R2016b\bin\win64\m_lxe.dll+00957589 boost::serialization::singleton<boost::archive::detail::iserializer<boost::archive::binaryTerm_iarchive,ir::IrTree> >::get_instance+00868513
[ 14] 0x000000001665932f D:\Program Files\MATLAB\R2016b\bin\win64\m_lxe.dll+00955183 boost::serialization::singleton<boost::archive::detail::iserializer<boost::archive::binaryTerm_iarchive,ir::IrTree> >::get_instance+00866107
[ 15] 0x000000001665940d D:\Program Files\MATLAB\R2016b\bin\win64\m_lxe.dll+00955405 boost::serialization::singleton<boost::archive::detail::iserializer<boost::archive::binaryTerm_iarchive,ir::IrTree> >::get_instance+00866329
[ 16] 0x0000000016648041 D:\Program Files\MATLAB\R2016b\bin\win64\m_lxe.dll+00884801 boost::serialization::singleton<boost::archive::detail::iserializer<boost::archive::binaryTerm_iarchive,ir::IrTree> >::get_instance+00795725
[ 17] 0x00000000165c9eab D:\Program Files\MATLAB\R2016b\bin\win64\m_lxe.dll+00368299 boost::serialization::singleton<boost::archive::detail::iserializer<boost::archive::binaryTerm_iarchive,ir::IrTree> >::get_instance+00279223
[ 18] 0x00000000165c9740 D:\Program Files\MATLAB\R2016b\bin\win64\m_lxe.dll+00366400 boost::serialization::singleton<boost::archive::detail::iserializer<boost::archive::binaryTerm_iarchive,ir::IrTree> >::get_instance+00277324
[ 19] 0x00000000165c3f8f D:\Program Files\MATLAB\R2016b\bin\win64\m_lxe.dll+00343951 boost::serialization::singleton<boost::archive::detail::iserializer<boost::archive::binaryTerm_iarchive,ir::IrTree> >::get_instance+00254875
[ 20] 0x00000000165c3aa1 D:\Program Files\MATLAB\R2016b\bin\win64\m_lxe.dll+00342689 boost::serialization::singleton<boost::archive::detail::iserializer<boost::archive::binaryTerm_iarchive,ir::IrTree> >::get_instance+00253613
[ 21] 0x00000000165c3991 D:\Program Files\MATLAB\R2016b\bin\win64\m_lxe.dll+00342417 boost::serialization::singleton<boost::archive::detail::iserializer<boost::archive::binaryTerm_iarchive,ir::IrTree> >::get_instance+00253341
[ 22] 0x00000000167503e9 D:\Program Files\MATLAB\R2016b\bin\win64\m_lxe.dll+01967081 boost::serialization::singleton<boost::archive::detail::oserializer<boost::archive::polymorphic_oarchive,foundation::msg_svc::eventmgr::BaseEvent> >::get_instance+00003353
[ 23] 0x0000000016750372 D:\Program Files\MATLAB\R2016b\bin\win64\m_lxe.dll+01966962 boost::serialization::singleton<boost::archive::detail::oserializer<boost::archive::polymorphic_oarchive,foundation::msg_svc::eventmgr::BaseEvent> >::get_instance+00003234
[ 24] 0x0000000016612a61 D:\Program Files\MATLAB\R2016b\bin\win64\m_lxe.dll+00666209 boost::serialization::singleton<boost::archive::detail::iserializer<boost::archive::binaryTerm_iarchive,ir::IrTree> >::get_instance+00577133
[ 25] 0x000000001846b3bd D:\Program Files\MATLAB\R2016b\bin\win64\m_interpreter.dll+00504765 inEvalCmdWithLocalReturn+00000065
[ 26] 0x00000000fb608ced D:\Program Files\MATLAB\R2016b\bin\win64\libmwbridge.dll+00101613 mnGetPrompt+00012957
[ 27] 0x00000000fb609ba3 D:\Program Files\MATLAB\R2016b\bin\win64\libmwbridge.dll+00105379 mnParser+00001091
[ 28] 0x0000000015ad6841   D:\Program Files\MATLAB\R2016b\bin\win64\mcr.dll+00223297 mcr::runtime::setInterpreterThreadToCurrent+00025585
[ 29] 0x0000000015ad57d7   D:\Program Files\MATLAB\R2016b\bin\win64\mcr.dll+00219095 mcr::runtime::setInterpreterThreadToCurrent+00021383
[ 30] 0x0000000015ad5853   D:\Program Files\MATLAB\R2016b\bin\win64\mcr.dll+00219219 mcr::runtime::setInterpreterThreadToCurrent+00021507
[ 31] 0x0000000015ad6141   D:\Program Files\MATLAB\R2016b\bin\win64\mcr.dll+00221505 mcr::runtime::setInterpreterThreadToCurrent+00023793
[ 32] 0x00000000fd01d347   D:\Program Files\MATLAB\R2016b\bin\win64\iqm.dll+00578375 iqm::UserEvalPlugin::pre+00030679
[ 33] 0x00000000fd029e7c   D:\Program Files\MATLAB\R2016b\bin\win64\iqm.dll+00630396 iqm::UserEvalPlugin::pre+00082700
[ 34] 0x00000000fd017480   D:\Program Files\MATLAB\R2016b\bin\win64\iqm.dll+00554112 iqm::UserEvalPlugin::pre+00006416
[ 35] 0x00000000fd02c99a   D:\Program Files\MATLAB\R2016b\bin\win64\iqm.dll+00641434 iqm::UserEvalPlugin::pre+00093738
[ 36] 0x00000000fcff9a37   D:\Program Files\MATLAB\R2016b\bin\win64\iqm.dll+00432695 iqm::PackagedTaskPlugin::PackagedTaskPlugin+00000727
[ 37] 0x00000000fcffa08f   D:\Program Files\MATLAB\R2016b\bin\win64\iqm.dll+00434319 iqm::PackagedTaskPlugin::execute+00000575
[ 38] 0x00000000fcff9aa9   D:\Program Files\MATLAB\R2016b\bin\win64\iqm.dll+00432809 iqm::PackagedTaskPlugin::PackagedTaskPlugin+00000841
[ 39] 0x00000000fcff9f04   D:\Program Files\MATLAB\R2016b\bin\win64\iqm.dll+00433924 iqm::PackagedTaskPlugin::execute+00000180
[ 40] 0x00000000fcfd42fa   D:\Program Files\MATLAB\R2016b\bin\win64\iqm.dll+00279290 iqm::Iqm::setupIqmFcnPtrs+00071530
[ 41] 0x00000000fcfd41d3   D:\Program Files\MATLAB\R2016b\bin\win64\iqm.dll+00278995 iqm::Iqm::setupIqmFcnPtrs+00071235
[ 42] 0x00000000fcfb9e5a   D:\Program Files\MATLAB\R2016b\bin\win64\iqm.dll+00171610 iqm::Iqm::deliver+00003274
[ 43] 0x00000000fcfbad2f   D:\Program Files\MATLAB\R2016b\bin\win64\iqm.dll+00175407 iqm::Iqm::deliver+00007071
[ 44] 0x0000000100108173 D:\Program Files\MATLAB\R2016b\bin\win64\libmwservices.dll+01147251 services::system_events::PpeDispatchHook::dispatchOne+00019059
[ 45] 0x000000010010c3a3 D:\Program Files\MATLAB\R2016b\bin\win64\libmwservices.dll+01164195 sysq::addProcessPendingEventsUnitTestHook+00001923
[ 46] 0x000000010010c580 D:\Program Files\MATLAB\R2016b\bin\win64\libmwservices.dll+01164672 sysq::addProcessPendingEventsUnitTestHook+00002400
[ 47] 0x000000010010d685 D:\Program Files\MATLAB\R2016b\bin\win64\libmwservices.dll+01169029 sysq::getCondition+00002917
[ 48] 0x000000010010e4b2 D:\Program Files\MATLAB\R2016b\bin\win64\libmwservices.dll+01172658 svWS_ProcessPendingEvents+00000162
[ 49] 0x0000000015ad6b7d   D:\Program Files\MATLAB\R2016b\bin\win64\mcr.dll+00224125 mcr::runtime::setInterpreterThreadToCurrent+00026413
[ 50] 0x0000000015ad726a   D:\Program Files\MATLAB\R2016b\bin\win64\mcr.dll+00225898 mcr::runtime::setInterpreterThreadToCurrent+00028186
[ 51] 0x0000000015ace385   D:\Program Files\MATLAB\R2016b\bin\win64\mcr.dll+00189317 mcr_process_events+00010293
[ 52] 0x0000000015ad02d2   D:\Program Files\MATLAB\R2016b\bin\win64\mcr.dll+00197330 mcr_process_events+00018306
[ 53] 0x0000000015a1bd0

最低0.47元/天 解锁文章
回归预测 | MATLAB实现SVR(支持向量机回归)多输入单输出
机器学习之心的博客，关注并私信文章链接，获取对应文章源码和数据。
04-23 1万+
回归预测 | MATLAB实现SVR(支持向量机回归)多输入单输出 程序设计 本程序为SVR支持向量机回归模型 导入数据，划分数据集 clc;clear; warning off; %% 导入数据 load data data=[attributes' strength']; %计算数据长度 input =data(:,1:7); output=data(:,8); nwhole=length(data); train_ratio=0.90; ntrain=round(nwhole*train
BP神经网络、ELM极限学习机、SVM支持向量机MATLAB代码，以及测试数据，用于回归预测
03-22
BP神经网络、ELM极限学习机、SVM支持向量机MATLAB代码，以及测试数据，用于回归预测，相关细节可以在下方评论，看到时一一解答。
支持向量机matlab工具箱（含资料及gui模式）用于分类和回归预测
08-13
支持向量机matlab工具箱（含资料及gui模式）用于分类和回归预测
Matlab2018a崩溃解决的办法No sandbox or build area path
热门推荐
David Xiao
09-23 1万+
Matlab 2018a （No sandbox or build area path）出现崩溃后需要使用terminal进行如下操作： cd /home/david/MySoft/MATLAB/R2018a/bin/glnxa64 （你的matlab路径） mkdir exclude mv libfreetype* exclude/ 执行后图片如下： 如果你用的Windows系统，请手动按照上面步骤剔除了dll。 Matlab 2018a （No sandbox or build are
基于人工蜂群算法优化最小二乘支持向量机lssvm实现数据回归预测附matlab代码
matlab_dingdang的博客
11-08 639
针对传统的芹菜总黄酮含量测定 过程复杂,时间长的问题,提出一种基于人工蜂群算法(ABC)优化最小二乘支持向量机(LSSVM)的芹菜总黄酮提取量预测方法.首先对标准人工蜂群算法 进行改进,然后利用改进的人工蜂群算法对最小二乘支持向量机的核宽度和正规化参数进行寻优,最后对芹菜总黄酮的提取量进行预测.结果表明,该方法具有预测 精度高,性能稳定的特点,有利于实现芹菜总黄酮提取量的网络在线预估和优化控制.
【回归预测-lssvm】基于粒子群算法优化最小二乘支持向量机lssvm实现数据回归预测附matlab代码
qq_59747472的博客
11-08 1386
准确预测光伏电站输出功率,是促进光伏并网发电,提高电网运行稳定性的主要途径之一.该文提出一种基于粒子群算法最小二乘支持向量机(particle swarm optimization and least squares support vector machine,PSO-LSSVM)的日前光伏功率预测方法,该方法首先利用粒子群算法的全局搜索能力来获取最小二乘支持向量机的惩罚因子和核函数宽度,有效解决了最小二乘支持向量机难以快速精准寻找最优参数的问题;
支持向量机进行预测（SVM）Matlab版.rar
05-14
基于matlab的svm预测 代码
基于k折交叉验证的支持向量机回归预测MATLAB程序，采用n折交叉验证确定损失参数C与核参数g；代码注释清楚
m0_68279140的博客
03-17 264
基于k折交叉验证的支持向量机回归预测MATLAB程序，采用n折交叉验证确定损失参数C与核参数g；代码注释清楚。 main为主程序，读取EXCEL数据，也可以换自己数据集。 很方便，容易上手。 现有:4824653997448918总有刁民膜拜朕 ...
基于k折交叉验证的支持向量机回归预测MATLAB程序，采用n折交叉验证确定损失参数C与核参数g
m0_73304532的博客
08-16 554
基于k折交叉验证的支持向量机回归预测MATLAB程序，采用n折交叉验证确定损失参数C与核参数g；main为主程序，读取EXCEL数据，也可以换自己数据集。
支持向量机非线性回归通用matlab程序
08-05
支持向量机非线性回归通用matlab程序，本程序使用支持向量机法，实现对数据的非线性回归，核函数的设定和修改在函数内部进行，数据预处理在函数外部进行，简单易懂，希望能对大家有所帮助！
【SVM回归预测】基于支持向量机实现航线预测附matlab代码
matlab_dingdang的博客
03-26 228
​支持向量机(英文简称SVM)可以很好地应用在数据分类及预测上,由于SVM在数据挖掘中具有通用性好,有效性,计算简单,理论完善等优点,所以得到了广泛的应用,文章利用matlab软件,基于SVM实现了航线预测。
基于matlab的svm回归库
12-29
里面包含了在matlab里面配置libsvm的教程，和svm回归使用方法
最小二乘支持向量机MATLAB程序（附详细说明）
07-16
该工具箱主要用于商业用Matlab软件包使用。Matlab的工具箱已经在不同的计算机体系结构编译和测试，包括Linux和Windows。大部分函数可以处理的数据集可高达20，000或更多点的数据。LS- SVMlab对Matlab接口包括一个适合初学者的基本版本，以及一个多类编码技术和贝叶斯框架的更先进的版本。
支持向量机进行预测（SVM）Matlab版
01-27
使用支持向量机进行预测。调用示例： in=load('testData.txt'); SVM(in(:,2:12),in(:,1),3)
支持向量数据描述 (SVDD) 的 MATLAB 实现（异常检测/故障检测）
10-16
支持向量数据描述 (Support Vector Data Description, SVDD) 语言：MATLAB 版本：V2.1 ----------------------------------------------------- 创作不易，欢迎各位5星好评~~~ 如有疑问或建议，请发邮件至：iqiukp@outlook.com 可提供关于该算法/代码的付费咨询和有偿编写 ----------------------------------------------------- 主要特点 1. 支持单值分类和二值分类的超球体构建 2. 支持多种核函数 (linear, gaussian, polynomial, sigmoid, laplacian) 3. 支持 2D 或 3D 数据的决策边界可视化 4. 支持基于贝叶斯超参数优化、遗传算法和粒子群算法的SVDD的参数优化 5. 支持加权的 SVDD ----------------------------------------------------- 注意 1. SVDD V2.1 仅支持 R2016b 以上的 MATLAB 版本 2. 正样本和负样本对应的标签分别为 1 和 -1 3. 提供了多个示例文件，每个文件的开头都有对应的介绍 4. 此代码仅供参考 5. 可以阅读“SVDD-V2.1使用说明.pdf”文件了解更多用法
【Matlab】SVM支持向量机回归预测算法（附代码）
最新发布
vvoennvv的博客
07-21 595
SVM（Support Vector Machine）即支持向量机，是一种常见的机器学习算法，被广泛应用于分类和回归问题中。它的主要思想是将训练数据映射到高维空间中，然后在该空间中找到一个最优的超平面来分隔不同类别的样本。SVM 的目标是找到一个最大间隔超平面，即具有最大边际（Margin）的超平面，以保证分类的鲁棒性和泛化能力。在 SVM 中，支持向量是指距离超平面最近的一些样本点，它们对于寻找最大边际超平面起着非常重要的作用。
支持向量机回归预测（SVR）的MATLAB实现（含源代码）
沅的博客
05-23 9031
SVR使用一种ε-不敏感损失函数（ε-insensitive loss function），其定义为：该函数的目的是使偏差在ε范围内的预测不被视为错误，从而允许模型忽略一些小的偏差。
【lssvm预测】基于天鹰算法优化最小二乘支持向量机lssvm实现数据回归预测附matlab代码
qq_59747472的博客
05-18 667
1 简介 短时交通流预测是实现智能交通控制与管理,交通流状态辨识和实时交通流诱导的前提及关键,也是智能化交通管理的客观需要.到目前为止,它的研究结果都不尽如人意.现有的以精确数学模型为基础的传统预测方法存在计算复杂,运算时间长,需要大量历史数据,预测精度不高等缺点.因此通过研究新型人工智能方法改进短期交通流预测具有一定的现实意义.本文在对现有短期交通流预测模型对比分析及交通流特性研究分析基础上,采用天鹰算法优化最小二乘支持向量机方法进行短期交通流预测模型,取得较好的效果. 支持向量机是一种新的机器学习算法
使用支持向量机进行航线预测————附Matlab代码
PixelLoom的博客
08-10 308
本例中，我们计算了模型的RMSE，并对模型的表现进行了简要的分析。其中，支持向量机（Support Vector Machine，SVM）作为一种在分类与回归分析中广泛使用的监督学习模型，有着很好的预测效果。当然，这只是一个简单的例子，实际应用中可能需要更复杂的特征变量和更多的调参过程。但无论如何，只要有足够的数据和正确的算法，我们就能构建出高效、准确的机器学习模型。随着交通运输的发展，航空公司需要提高飞行的效率和安全性。在本例中，我们绘制了实际值和预测值之间的散点图，并考察了模型的拟合效果。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值