标签：SVM pos param 算法 源码 vel txt pres population
一、神经网络-支持向量机
支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。 1 数学部分 1.1 二维空间 
2 算法部分
二、风驱动算法
WDO算法的实现流程：
1） 初始化空气质点的个数和维度，定义最大迭代次数和相关的参数常量，设置搜索边界(位置和速度)，设置相应的测试函数。
2） 随机初始化各个质点的初始信息(位置和速度)，计算初始的压力值并根据压力值的大小升序排列。
3） 开始迭代。更新空气质点的速度和位置，计算质点压力值并以升序方式重新排列种群顺序。
4） 迭代终止。判断是否满足终止条件，如果不满足就返回步骤3)，否则就终止迭代，最后搜索到的最优位置就是最优解。
三、代码
tic;
clear;
close all;
clc;
format long g;
delete('WDOoutput.txt');
delete('WDOpressure.txt');
delete('WDOposition.txt');
fid=fopen('WDOoutput.txt','a');
%--------------------------------------------------------------
% User defined WDO parameters:
param.popsize = 20; % population size.
param.npar = 5; % Dimension of the problem.
param.maxit = 500; % Maximum number of iterations.
param.RT = 3; % RT coefficient.
param.g = 0.2; % gravitational constant.
param.alp = 0.4; % constants in the update eq.
param.c = 0.4; % coriolis effect.
maxV = 0.3; % maximum allowed speed.
dimMin = -5; % Lower dimension boundary.
dimMax= 5; % Upper dimension boundary.
%---------------------------------------------------------------
% Initialize WDO population, position and velocity:
% Randomize population in the range of [-1, 1]:
pos = 2*(rand(param.popsize,param.npar)-0.5);
% Randomize velocity:
vel = maxV * 2 * (rand(param.popsize,param.npar)-0.5);
%---------------------------------------------------------------
% Evaluate initial population: (Sphere Function)
for K=1:param.popsize,
x = (dimMax - dimMin) * ((pos(K,:)+1)./2) + dimMin;
pres(K,:) = sum (x.^2);
end
%----------------------------------------------------------------
% Finding best air parcel in the initial population :
[globalpres,indx] = min(pres);
globalpos = pos(indx,:);
minpres(1) = min(pres); % minimum pressure
%-----------------------------------------------------------------
% Rank the air parcels:
[sorted_pres rank_ind] = sort(pres);
% Sort the air parcels:
pos = pos(rank_ind,:);
keepglob(1) = globalpres;
%-----------------------------------------------------------------
% Start iterations :
iter = 1; % iteration counter
for ij = 2:param.maxit,
% Update the velocity:
for i=1:param.popsize
% choose random dimensions:
a = randperm(param.npar);
% choose velocity based on random dimension:
velot(i,:) = vel(i,a);
vel(i,:) = (1-param.alp)*vel(i,:)-(param.g*pos(i,:))+ ...
abs(1-1/i)*((globalpos-pos(i,:)).*param.RT)+ ...
(param.c*velot(i,:)/i);
end
% Check velocity:
vel = min(vel, maxV);
vel = max(vel, -maxV);
% Update air parcel positions:
pos = pos + vel;
pos = min(pos, 1.0);
pos = max(pos, -1.0);
% Evaluate population: (Pressure)
for K=1:param.popsize,
x = (dimMax - dimMin) * ((pos(K,:)+1)./2) + dimMin;
pres(K,:) = sum (x.^2);
end
%----------------------------------------------------
% Finding best particle in population
[minpres,indx] = min(pres);
minpos = pos(indx,:); % min location for this iteration
%----------------------------------------------------
% Rank the air parcels:
[sorted_pres rank_ind] = sort(pres);
% Sort the air parcels position, velocity and pressure:
pos = pos(rank_ind,:);
vel = vel(rank_ind,:);
pres = sorted_pres;
% Updating the global best:
better = minpres < globalpres;
if better
globalpres = minpres % initialize global minimum
globalpos = minpos;
end
% Keep a record of the progress:
keepglob(ij) = globalpres;
save WDOposition.txt pos -ascii -tabs;
end
%Save values to the final file.
pressure = transpose(keepglob);
save WDOpressure.txt pressure -ascii -tabs;
%END
%-----------------------------------------------------
5.参考文献：
书籍《MATLAB神经网络43个案例分析》
标签：SVM,pos,param,算法,源码,vel,txt,pres,population 来源： https://www.cnblogs.com/matlabxiao/p/15058636.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。