1 简介

正在上传…重新上传取消
2 部分代码
%LS-SVM模型参数初始化clcclearaa=xlsread('数据集.xlsx')%% 重构矩阵P=aa(:,1:2);T=aa(:,3);type = 'f';kernel='RBF_kernel';preprocess='original';gam = 3;sig2 = 0.6;%进行模型训练model = initlssvm(P,T,type,gam,sig2,kernel);model = trainlssvm(model);%回归预测predictlabel = simlssvm(model,P);%% 预测结果分析[m,n]=size(predictlabel);figuresubplot(2,1,1)plot(1:m,predictlabel,'ob',1:m,T,'*r');legend('预测值','实际值');ylabel('分类','FontSize',12);title('SVM')grid on;subplot(2,1,2)plot(1:m,predictlabel-T,'-*r');ylabel('error','FontSize',12);legend('预测值error');[M,b,r]=postreg(predictlabel,T)
3 仿真结果

4 参考文献
[1]周霞. 基于LSSVM的两种分类器的实现与比较[J]. 电脑知识与技术, 2011(10X):3.
博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题可私信交流。
部分理论引用网络文献,若有侵权联系博主删除。
该博客介绍了如何使用Matlab实现局部加权支持向量机(LSSVM)进行回归预测。作者首先加载数据集,然后初始化模型参数,采用RBF核函数,并进行模型训练。通过绘制预测值与实际值的对比图表,展示了模型的预测效果。最后,博主提供了部分代码供读者参考和交流。
798

被折叠的 条评论
为什么被折叠?



