遗传算法优化支持向量机.rar

  • V9_141777
    了解作者
  • 1.3KB
    文件大小
  • rar
    文件格式
  • 0
    收藏次数
  • VIP专享
    资源类型
  • 1
    下载次数
  • 2022-06-13 08:23
    上传日期
通过遗传算法优化支持向量机,可以实现故障特征向量的分类
遗传算法优化支持向量机.rar
  • 遗传算法优化支持向量机
  • GA-SVM.m
    2.1KB
内容介绍
%% 基于SVM的数据分类预测——意大利葡萄酒种类识别 %初始化程序 close all; clear; clc; tic format compact; %% 数据提取 % 载入测试数据wine,其中包含的数据为classnumber = 3,wine:178*13的矩阵,wine_labes:178*1的列向量 % X=importdata('wine.mat'); % wine=X(:,2:14); % wine_labels=X(:,1); X=importdata('分类-KPCA-正常-随机-400.mat'); Y=importdata('分类-KPCA-故障-随机-400.mat'); wine=[X(:,:);Y(:,:)]; wine_labels=importdata('labset-800.mat'); train_wine = [wine(1:200,:);wine(401:600,:)]; train_wine_labels = [wine_labels(1:200);wine_labels(401:600)]; test_wine = [wine(201:400,:);wine(601:800,:)]; test_wine_labels = [wine_labels(201:400);wine_labels(601:800)]; train_label=train_wine_labels; train_data=train_wine; %% 数据预处理 % 数据预处理,将训练集和测试集归一化到[0,1]区间 [mtrain,ntrain] = size(train_wine); [mtest,ntest] = size(test_wine); dataset = [train_wine;test_wine]; % mapminmax为MATLAB自带的归一化函数 [dataset_scale,ps] = mapminmax(dataset',0,1); %归一化到01之间 dataset_scale = dataset_scale'; train_wine = dataset_scale(1:mtrain,:); test_wine = dataset_scale( (mtrain+1):(mtrain+mtest),: ); % %% SVM网络训练 ga_option.maxgen = 50; %最大进化代数,画出的图形为这个代数的一半 ga_option.sizepop = 10; %种群最大数量 ga_option.cbound = [0,100]; %参数c的变化范围 ga_option.gbound = [0,1000]; %参数g的变化范围 ga_option.v = 10; %交叉 ga_option.ggap = 0.9; %变异 [bestacc,bestc,bestg]=gaSVMcgForClass(train_label,train_data,ga_option); %% SVM网络预测 cmd_gwosvm = ['-c ',num2str(bestc),' -g ',num2str(bestg)]; model_gwosvm = svmtrain(train_wine_labels,train_wine,cmd_gwosvm); toc %% SVM网络预测 % tic [predict_label,accuracy] = svmpredict(test_wine_labels,test_wine,model_gwosvm); toc %% 结果分析 % 测试集的实际分类和预测分类图 % 通过图可以看出只有一个测试样本是被错分的 figure; hold on; plot(test_wine_labels,'o'); plot(predict_label,'r*'); xlabel('测试集样本','FontSize',12); ylabel('类别标签','FontSize',12); legend('实际测试集分类','预测测试集分类'); title({'测试集的实际分类和预测分类图';['Accuracy = ',num2str(accuracy(1)),'%']},'FontSize',12); grid on; toc
评论
    相关推荐