SVM实现(二次规划求解)

%线性可分支持向量机

clear;
clc;

%load data
n=50;
x1=randn(2,n);
y1=ones(1,n);
x2=4+randn(2,n);
y2=-ones(1,n);
y3=zeros(1,n);
X=[x1,x2];
Y=[y1,y2];
plot(x1(1,:),x1(2,:),'g*',x2(1,:),x2(2,:),'mp');
hold on;

%二次规划求解
Q=length(Y);
%for i=1:Q
%   for j=1:Q
%       H(i,j)=dot(X(:,i),X(:,j));
%   end
%end

K = X'*X;
T = Y'*Y;
H = K.*T;  


f=-ones(Q,1);
A=[];
b=[];
Aeq=Y;
beq=0;
lb=zeros(Q,1);
ub=1*ones(Q,1);
aerfa=quadprog(H,f,A,b,Aeq,beq,lb,ub);

epsilon=1e-6;
J=find(aerfa>epsilon);
plot(X(1,J),X(2,J),'ro');

%求解w,b
w=[0;0];
for i=1:Q
    w=w+Y(i)*aerfa(i)*X(:,i);
end


BQ=0;
for i=1:Q
    BQ=BQ+Y(i)*aerfa(i)*dot(X(:,i),X(:,J(1)));
end
B=Y(J(1))-BQ;
plotpc(w',B);

grid on;
xlabel('x1');
ylabel('x2');
hold off;
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
信赖域二次规划在实际应用中有很多用途。以下是一些可能使用信赖域二次规划的实际应用: 1. 机器学习中的支持向量机(SVM):SVM是一种用于分类和回归的机器学习算法,其优化问题可以被表示为一个带有约束的二次规划问题。信赖域二次规划可以用于求解这个优化问题,并找到最佳的分类或回归模型。 2. 供应链优化:在供应链中,有许多决策需要做出,例如生产计划、库存管理和物流规划等。这些决策可以被表示为一个带有约束的二次规划问题,信赖域二次规划可以用于求解这个问题,并找到最佳的决策方案。 3. 无线通信:在无线通信中,需要找到最佳的传输方案,以最大化数据传输速率并最小化误码率。这可以被表示为一个带有约束的二次规划问题,信赖域二次规划可以用于求解这个问题,并找到最佳的传输方案。 4. 金融风险管理:在金融风险管理中,需要进行投资组合优化,以最大化收益并最小化风险。这可以被表示为一个带有约束的二次规划问题,信赖域二次规划可以用于求解这个问题,并找到最佳的投资组合。 在实际应用中,信赖域二次规划通常与其他优化算法和技术一起使用,例如线性规划、非线性规划、动态规划、遗传算法等。这些算法和技术可以帮助解决更加复杂的优化问题,以及提高信赖域二次规划求解效率和准确性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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