分类预测 | Matlab实现QPSO-SVM、PSO-SVM、SVM多特征分类预测对比

分类预测 | Matlab实现QPSO-SVM、PSO-SVM、SVM多特征分类预测对比

目录

    • 分类预测 | Matlab实现QPSO-SVM、PSO-SVM、SVM多特征分类预测对比
      • 分类效果
      • 基本描述
      • 程序设计
      • 参考资料

分类效果

分类预测 | Matlab实现QPSO-SVM、PSO-SVM、SVM多特征分类预测对比_第1张图片
分类预测 | Matlab实现QPSO-SVM、PSO-SVM、SVM多特征分类预测对比_第2张图片
分类预测 | Matlab实现QPSO-SVM、PSO-SVM、SVM多特征分类预测对比_第3张图片
分类预测 | Matlab实现QPSO-SVM、PSO-SVM、SVM多特征分类预测对比_第4张图片
分类预测 | Matlab实现QPSO-SVM、PSO-SVM、SVM多特征分类预测对比_第5张图片
分类预测 | Matlab实现QPSO-SVM、PSO-SVM、SVM多特征分类预测对比_第6张图片

基本描述

1.Matlab实现QPSO-SVM、PSO-SVM、SVM分类预测对比,运行环境Matlab2018b及以上;
2.Matlab实现QPSO-SVM(量子粒子群优化支持向量机)、PSO-SVM(粒子群优化支持向量机)、SVM(支持向量机)分类预测对比。
3.多特征输入单输出的二分类及多分类模型。程序内注释详细,直接替换数据就可以用;
4.程序语言为matlab,程序可出分类效果图,迭代优化图,混淆矩阵图;
main为主程序,其余为函数文件,无需运行,可在下载区获取数据和程序内容。

程序设计

  • 完整程序和数据获取方式1:私信博主回复Matlab实现QPSO-SVM、PSO-SVM、SVM多特征分类预测对比
  • 完整程序和数据获取方式2:资源处下载Matlab实现QPSO-SVM、PSO-SVM、SVM多特征分类预测对比。
        pop(j,:)=pop(j,:)+V(j,:);
        if isempty(find(pop(j,:)>popmax))
            ;
        else
            loc = find(pop(j,:)>popmax);
            pop(j,find(pop(j,:)>popmax))=popmax(find(pop(j,:)>popmax));
        end
        if isempty(find(pop(j,:)<popmin))
            ;
        else
            loc = find(pop(j,:)<popmin);
            pop(j,find(pop(j,:)<popmin))=popmin(find(pop(j,:)<popmin));
        end
        %适应度值
        fitness(j)=SVMcgForClass(t_train,pn_train,pop(j,1),pop(j,2),v,bestnum);
    end
    
    for j=1:sizepop
        
        %个体最优更新
        if fitness(j) > fitnessgbest(j)
            gbest(j,:) = pop(j,:);
            fitnessgbest(j) = fitness(j);
        end
        
        %群体最优更新
        if fitness(j) > fitnesszbest
            zbest = pop(j,:);
            fitnesszbest = fitness(j);
        end
    end
    yy(i)=fitnesszbest;
end
    end
end
%%%%%%%%%%%按照公式依次迭代直到满足精度或者迭代次数%%%%%%%%%%%%%
for i=1:T
    i
    for j=1:N
        %%%%%%%%%%%%%%更新个体最优位置和最优值%%%%%%%%%%%%%%%%%
        if (fobj(x(j,:))) <pbest(j)
            p(j,:)=x(j,:);
            pbest(j)=fobj(x(j,:)); 

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/129036772?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/kjm13182345320/article/details/128690229

你可能感兴趣的:(分类预测,QPSO-SVM,PSO-SVM,SVM,多特征分类预测对比)