厦门高端网站建设定制,专业搜索引擎seo服务,做网站公司松江,seo技巧优化分类预测 | Matlab实现DBO-SVM蜣螂算法优化支持向量机多特征分类预测 目录 分类预测 | Matlab实现DBO-SVM蜣螂算法优化支持向量机多特征分类预测分类效果基本描述程序设计参考资料 分类效果 基本描述 1.Matlab实现DBO-SVM蜣螂算法优化支持向量机多特征分类预测#xff08;完整…分类预测 | Matlab实现DBO-SVM蜣螂算法优化支持向量机多特征分类预测 目录 分类预测 | Matlab实现DBO-SVM蜣螂算法优化支持向量机多特征分类预测分类效果基本描述程序设计参考资料 分类效果 基本描述 1.Matlab实现DBO-SVM蜣螂算法优化支持向量机多特征分类预测完整源码和数据) 优化支持向量机核函数参数c和g。 2.多特征输入单输出的二分类及多分类模型。运行环境matlab2018。 3.语言为matlab含分类效果图迭代优化图混淆矩阵图。 4.直接替换数据即可使用保证程序可正常运行。运行环境MATLAB2018及以上。 5.代码特点参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 程序设计
完整程序和数据获取方式资源处直接下载Matlab实现DBO-SVM蜣螂算法优化支持向量机多特征分类预测。
%% 参数设置
% 定义优化参数的个数在该场景中优化参数的个数dim为2 。
% 定义优化参数的上下限如c的范围是[0.01, 1] g的范围是[2^-5, 2^5]那么参数的下限lb[0.01, 2^-5]参数的上限ub[1, 2^5]。
%目标函数
fun getObjValue;
% 优化参数的个数 (c、g)
dim 2;
% 优化参数的取值下限
lb [10^-1, 1];
ub [10^2, 2^8];%% 参数设置
pop 6; %种群数量
maxgen100;%最大迭代次数
%% 优化(这里主要调用函数)
c Best_pos(1, 1);
g Best_pos(1, 2);
toc
% 用优化得到c,g训练和测试
cmd [-s 0 -t 2 , -c , num2str(c), -g , num2str(g), -q];
model libsvmtrain(T_train, P_train, cmd);
参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/129036772?spm1001.2014.3001.5502 [2] https://blog.csdn.net/kjm13182345320/article/details/128690229
