分类预测 | Matlab实现FA-SVM萤火虫算法优化支持向量机的多变量输入数据分类预测

分类效果

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

基本描述

1.Matlab实现FA-SVM萤火虫算法优化支持向量机的多变量输入数据分类预测完整源码数据) 优化支持向量机核函数参数cg
2.多特征输入单输出二分类及多分类模型运行环境matlab2018。
3.语言matlab,含分类效果图迭代优化图,混淆矩阵图。
4.直接替换数据即可使用,保证程序可正常运行。运行环境MATLAB2018及以上。
5.代码特点:参数编程参数可方便更改代码编程思路清晰、注释明细

程序设计

%%  参数设置
% 定义优化参数个数,在该场景中,优化参数个数dim2% 定义优化参数的上下限,如c范围[0.01, 1]g的范围是[2^-5, 2^5],那么参数的下限lb=[0.01, 2^-5]参数的上限ub=[1, 2^5]%目标函数
fun = @getObjValue; 
% 优化参数的个数 (cg)
dim = 2;
% 优化参数的取值下限
lb = [10^-1, 1];
ub = [10^2, 2^8];

%%  参数设置
pop =6; %种群数量
maxgen=100;%最大迭代次数
%% 优化(这里主要调用函数)
c = Best_pos(1, 1);  
g = Best_pos(1, 2); 
toc
% 用优化得到c,g训练测试
cmd = ['-s 0 -t 2 ', '-c ', num2str(c), ' -g ', num2str(g), ' -q'];
model = libsvmtrain(T_train, P_train, cmd);


参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/129036772?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/kjm13182345320/article/details/128690229

原文地址:https://blog.csdn.net/kjm13182345320/article/details/134768714

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任

如若转载,请注明出处:http://www.7code.cn/show_37234.html

如若内容造成侵权/违法违规/事实不符,请联系代码007邮箱suwngjj01@126.com进行投诉反馈,一经查实,立即删除

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注