pso-svm分类matlab,11-PSO优化的SVM的多分类问题

本文介绍了一种使用粒子群优化(PSO)算法调整支持向量机(SVM)参数的方法,应用于多分类问题。通过加载数据、构造训练和测试样本、进行数据归一化处理,然后设置PSO算法参数并初始化种群,进行迭代寻优以寻找最佳的SVM参数C和σ。最后,展示分类结果并比较训练和测试样本的实际与预测分类标签。
摘要由CSDN通过智能技术生成

clc,clear,close all

warning off

tic

load('traffic_double_10.mat')

%% 构造训练样本和测试样本

train_data =[];

train_output_data = [];

test_data=[];

test_output_data=[];

for i=1:10:length(traffic_label)

train_data =[train_data; traffic(i:i+7,:)];

train_output_data =[train_output_data; traffic_label(i:i+7,:)];

test_data =[test_data; traffic(i+8:i+9,:)];

test_output_data =[test_output_data; traffic_label(i+8:i+9,:)];

end

%% 归一化

for i=1:size(train_data,2)  % 样本归一化

minmax(i,1) = min(train_data(:,i));

minmax(i,2) = max(train_data(:,i));

if isequal(minmax(i,2),minmax(i,1))

train_data(:,i) = ones(size(train_data,1),1);

test_data(:,i) = ones(size(test_data,1),1);

else

train_data(:,i)

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