基于支持向量机的二次函数在Matlab中的应用.docVIP

下载本文档

99
0
约小于1千字
约 2页
2017-05-21 发布于河南
举报
版权申诉

基于支持向量机的二次函数在Matlab中的应用.doc

1、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于支持向量机的二次函数在Matlab中的应用

format compact; x = (-1:0.1:1); y = -x.^2; model = svmtrain(y,x,-s 3 -t 2 -c 2.2 -g 2.8 -p 0.01); . WARNING: using -h 0 may be faster optimization finished, #iter = 104 nu = 0.224906 obj = -0.675055, rho = 0.698514 nSV = 9, nBSV = 2 [py , mse] = svmpredict( y , x , model ); Mean squared error = 9.52768e-005 (regression) Squared correlation coefficient = 0.999184 (regression) figure; plot(x , y, o); hold on; plot(x, py, r*); legend(原始数据,回归数据); grid on; testx = [1.1;1.2;1.3]; display(真实数据) 真实数据 testy = -testx.^2 testy = -1.2100 -1.4400 -1.6900 [ ptesty , tmse ] = svmpredict( testy , testx , model); Mean squared error = 0.0976693 (regression) Squared correlation coefficient = 0.914542 (regression) display(预测数据); 预测数据 ptesty ptesty = -1.1087 -1.1913 -1.2200