三年500篇-CSDN博客

原创利用支持向量机(SVM)进行分类的Matlab实现

文章目录前言一、支持向量机是什么？二、步骤1.构建特征矩阵和类标签2.使用fitcsvm函数训练svm3.使用predict函数验证svm4.完整代码总结前言看到目前博客上的支持向量机的matlab代码都是从底层原理开始编起，这对单纯想使用支持向量机实现一个简单的分类的人来说十分不友好，其实matlab内已有封装好的支持向量机代码，本文简单记录一下如何使用。一、支持向量机是什么？对于一个二分类任务来说，支持向量机的目的是寻找一个最优超平面，使得样本在超平面的两侧，在边界（图中虚线）上的样本被

2022-04-22 11:08:11 33795 11

原创 Matlab求解线性方程组（三）共轭梯度法和最速下降法的比较

一，共轭梯度法对于课本计算实例P113：用共轭梯度法求解线性方程组Ax=b，其中矩阵A的阶数n分别取为100，200，400，指出计算结果是否可靠。共轭梯度法的求解结果如下：（1）n=100时迭代50次后满足精度要求 ,其误差曲线如下图所示。(2) n=200时经过100次迭代后满足精度要求，其误差曲线如下图所示。(2) n=400时经过200次迭代后满足精度要求，其误差曲线如下图所示。(1)结果可靠性n=100,迭代50次，误差迅速减小，达到1.0710-12，最终结果x=(

2022-03-15 19:39:24 3567

原创 Matlab求解线性方程组（二）最速下降法

一，算法原理从某个初始点X(0){{X}^{(0)}}X(0) 出发，沿着f(X)f(X)f(X)在点X(0){{X}^{(0)}}X(0)处的负梯度方向r(0)=−∇f(X(0))=b−AX(0){{r}^{(0)}}=-\nabla f({{X}^{(0)}})=b-A{{X}^{(0)}}r(0)=−∇f(X(0))=b−AX(0)求得f(X)f(X)f(X)的极小值点X(1){{X}^{(1)}}X(1)，然后从X(1){{X}^{(1)}}X(1)出发，重复上面的过程得到X(2){{X}^{

2022-03-15 19:23:44 4442 1

原创 Matlab求解线性方程组（一）共轭梯度法

一，算法原理共轭梯度法可以看作是特殊的迭代法，有迭代法的格式，即首先给出x(0),再由迭代格式二，程序框图三，源代码四，实例分析

2022-03-15 17:29:55 13818 1

原创层次分析法的C#实现

文章目录前言一、层次分析法的介绍二、源码1.主函数2.AHP函数总结前言看了很多层次分析法的C#实现，很多都是把算法和窗体界面联系到了一起，对单纯的想学习层次分析法的C#实现步骤的人十分不友好，因此本文只介绍了具体的C#实现步骤，不涉及多余的部分。一、层次分析法的介绍有关层次分析法的原理和实现步骤，可以参考 https://zhuanlan.zhihu.com/p/118594058.二、源码1.主函数主函数：using System;using Accord.Math;name.

2021-09-13 16:39:06 1071

原创 JKI状态机的安装和使用

文章目录前言一、JKI状态机是什么？二、怎样安装JKI状态机？三、怎样使用JKI状态机？1.在程序面板放置2.各分支简单介绍3.参数传递4.未完待续.......前言记录一下JkI状态机的基本原理和一个简单的使用过程。一、JKI状态机是什么？JKI State Machine 是一个模板，我们只需要在这个模板上进行修改，包括一些界面初始化，数据初始化，以及事件响应的处理，可以用于快速创建您自己的 LabVIEW 应用程序。二、怎样安装JKI状态机？通过VIPM进行安装。第一步：打开VIP.

2021-09-09 11:13:28 6946

原创主成分分析求指标权重的C#实现

文章目录前言一、安装需要的程序包二、源程序1.PCA函数2.主函数总结前言项目需要，研究了一下主成分分析的c#实现，这里记录一下，也供有需要的朋友学习，主要通过调用Accord.Math程序包实现主成分分析中特征值以及特征向量的计算。有关主成分分析计算指标权重的原理可以参考，链接: https://blog.csdn.net/qq_43517528/article/details/119578525.这里不做详细介绍。一、安装需要的程序包主要用到了Accord.Math以及Accord.S

2021-09-03 14:48:59 1565

原创主成分分析——KMO检验（介绍及Matlab代码）

文章目录前言一、主成分适用性检验二、KMO检验1.计算公式2.Matlab代码总结前言主成分分析已经越来越成为人们广泛应用的多元统计分析方法。但应用中盲目套用主成分分析方法的情况很多, 而对主成分分析的适用性, 主成分个数的合理性等问题重视不够, 更谈不上对主成分分析进行统计检验。为此, 为了更好应用主成分分析, 就应对主成分分析结果进行统计检验并建立统计检验体系。其中不可或缺的一步便是主成分适用性检验，即该组数据是否适合使用主成分方法进行分析。一、主成分适用性检验并非所有的数据都适用于.

2021-08-13 09:26:22 46441 7

qq_43517528的博客