mysvm1.m

稀土测量 matlab 源程序 粒子群优化算法的改进 lS-SVM等源程序

function [RMSE,Yt,Yd]=mysvm1(parameter)
%---------------------------------------------------
load data
Yt=data(101:150,5);
%数据归一化处理
[g_data,mx,stdx]=autosc(data);

%标准化处理
Xmax=max(g_data);
Xmin=min(g_data);
el=ones(150,1);e2=ones(150,5);
%标准化后的数据集g_data[]
g_data=e2-(el*Xmax-g_data)./(el*(Xmax-Xmin));
xi=g_data(1:100,1:4);yi=g_data(1:100,5);

%测试样本
Xt=g_data(101:150,1:4);
YT=g_data(101:150,5);
%---------------------------------------------------
% 参数设置
type = 'f';
kernel = 'RBF_kernel';
gam =98.0934;              % 10Regularization parameter
sig2 =49.9999;            %0.9628 Kernel parameter (bandwidth in the case of the 'RBF_kernel'

model = initlssvm(xi,yi,type,gam,sig2,kernel);                    % 模型初始化
model = robustlssvm(model);  % 训练　
Yd = simlssvm(model,Xt);    % 回归

Error=(Yd-YT)./Yd;%相对误差
Mean_Error=mean(abs(Error));%相对误差绝对值的平均值
RMSE=sqrt(mean((Yt-Yd).^2));%均方根误差
%反归一化
Yd=Yd.*(ones(50,1)*(Xmax(1,5)-Xmin(1,5)))+ones(50,1)*Xmin(1,5);
Yd=rescal(Yd,mx(1,5),stdx(1,5));
Et=Yd-Yt;
Error=Et./Yd;
Mean_Error=mean(abs(Error));
RMSE=sqrt(mean((Yt-Yd).^2));%均方根误差
%---------------------------------------------------
% 结果作图


figure(1)
plot(1:length(YT),YT,'r+:',1:length(Yd),Yd,'b.:')
axis([0,50,0.3,1]);
title('')
legend('样本值','模型输出值');
%figure(2)
%plot(1:length(Yt),Error,'r.:')
%title('相对误差曲线')
%figure(3)
%plot(1:length(Yt),Et,'r.:')
%title('绝对误差曲线')