CNN-RVM多变量回归预测，基于卷积神经网络-相关支持向量机RVM多变量回归预测(可更换为分类/时序预测，具体私聊)，Matlab代码，可直接运行。1.运行环境要求MATLAB版本为2020b及

%%  清空环境变量
warning off             % 关闭报警信息
close all               % 关闭开启的图窗
clear                   % 清空变量
clc                     % 清空命令行
addpath(genpath(pwd));
%%  导入数据
res = xlsread('数据集.xlsx');

%%  数据分析
num_size = 0.70;                              % 训练集占数据集比例
outdim = 1;                                  % 最后一列为输出
num_samples = size(res, 1);                  % 样本个数
% res = res(randperm(num_samples), :);         % 打乱数据集（不希望打乱时，注释该行）
num_train_s = round(num_size * num_samples); % 训练集样本个数
f_ = size(res, 2) - outdim;                  % 输入特征维度
flag_conusion = 1;                        % 标志位为1，打开混淆矩阵（要求2018版本及以上）
%%  划分训练集和测试集
P_train = res(1: num_train_s, 1: f_)';
T_train = res(1: num_train_s, f_ + 1: end)';

P_test = res(num_train_s + 1: end, 1: f_)';
T_test = res(num_train_s + 1: end, f_ + 1: end)';

%%  划分训练集和测试集

M = size(P_train, 2);
N = size(P_test, 2);

%%  数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);
p_test = mapminmax('apply', P_test, ps_input);

[t_train, ps_output] = mapminmax(T_train, 0, 1);
t_test = mapminmax('apply', T_test, ps_output);
 

智能算法及其模型预测