lssvm算法适用于各类学习，倾侧有效。相关学习的研究者欢迎参考

matlab-最小二成支持向量机（LSSVM）手册，26页

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab代码模型及运行结果

铅酸蓄电池应用广泛，准确检测其剩余容量是电池管理系统中的重要一环。 提出将蓄电池开路电压、温度和内阻 三个状态指标作为联合检测量，结合基于 GAPSO- LSSVM 算法对剩余容量进行检测。 在 LSSVM 算法中引入 PSO 算 法对其惩罚参数和核函数参数进行寻优，避免人为因素干扰，提高了精度。 然后再引入 GA 算法，解决了 PSO 算法易局 部收敛的问题，进一步提升了精度。 最后，MATLAB 仿真验证了基于 GAPSO- LSSVM 的联合检测算法在蓄电池剩余容 量的检测方面效果良好，平均误差百分比可以控制在 3%以内，具有极大的实际应用意义。

QPSO算法的MATLAB源码，给需要的人，希望斑竹给加点技术分

基于pso_lssvm的预测程序，直接可用，可以出图，可以修改。加入了粒子变异、权值的递减策略（去掉%就行了）。注意：excel记得放对位置

利用FOA算法来优化SVM算法中的两个参数

在解决非线性分类，函数估计和密度估计问题中，支持向量机是一个很强大的方法，支持向量机也致使了其核心的新动向，最新发展事基于一般学习方法的。支持向量机应经被引入统计学习理论和结构风险最小化之中。这些方法中，凸优化问题,解决了一个典型的二次规划问题。LS-SVM 是标准SVM 的改进，这样就可以解决线性kkt 系统的问题了。 需要自行创建符合标准的变量。

为了提高铁路货运量的预测精度及建模速度,将灰色预测模型(GM(1,1))、最小二乘支持向量机(LSSVM)和自适应粒子群优化(APSO)算法相融合,建立了灰色自适应粒子群最小二乘支持向量机(GM-APSO-LSSVM)预测模型。通过灰色预测模型中的灰色序列算子,弱化原始数列随机性,挖掘数列中蕴含的规律,利用最小二乘支持向量机计算简便、求解速度快、非线性映射能力强的特点进行预测,并采用自适应粒子群算法优化选择LSSVM参数。对我国铁路货运量的实例分析表明:用该模型得到的评价指标RMSE,MAE,MPE和Th

为了提高网络入侵检测率，提出一种协同量子粒子群算法和最小二乘支持向量机的网络入侵检测模型（CQPSO-LSSVM）。将网络特征子集编码成量子粒子位置，入侵检测正确率作为特征子集优劣的评价标准，采用协同量子粒子群算法找到最优特征子集，采用最小二乘支持向量机建立网络入侵检测模型，并采用KDD CUP 99数据集进行仿真测试。结果表明，CQPSO-LSSVM获得了比其他入侵检测模型更高的检测效率和检测率。