【SVM分类】基于布谷鸟算法优化支持向量机SVM实现数据分类附matlab代码

1 简介

针对经典支持向量机不适用于非平衡数据集分类的缺点,本研究结合径向基核函数,布谷鸟算法以及支持向量机,提出一种基于布谷鸟算法优化支持向量机的分类识别模型,用于分类诊断.在收集到的735例有效样本数据集上,采用matlab程序抽取平衡数据集.实验结果显示,基于平衡数据集,该模型的平均正确率为80.667%;基于非平衡数据集,其平均正确率为97.767%,相比经典支持向量机,粒子群算法-支持向量机,遗传算法-支持向量机均有不同程度的提高.因此,本研究模型对胸痛三联征的分类诊断具有一定的参考价值.

2 部分代码

function [fmin, bestnest, Curve] = CS(nest, N, Max_iter, Lb, Ub, dim, fobj)

%% CS参数

% 发现概率

pa = 0.25;

% 初始最优解

fitness = 10^10*ones(N, 1);

[fmin, bestnest, nest, fitness] =