【lssvm预测】基于鲸鱼算法优化lssvm数据预测matlab源码.md

为提高最小二乘支持向量机(LSSVM)预测模型的精度,准确预测煤炭开采成本.利用改进的自适应粒子群算法(IAPSO)的全局搜索能力,寻找LSSVM最优的惩罚因子r和高斯核函数的半径σ,提出一种IAPSO-LSSVM预测算法.在分析影响煤炭开采成本的空间因素、时间因素和定性因素的基础上,构建基于IAPSO-LSSVM的煤炭开采成本预测模型,并以TF煤业集团数据进行仿真实验.结果表明:与LSSVM、PSO-LSSVM算法相比,该模型预测效果更好.

lssvm 工具箱进行svm 分类预测以及回归预测很好的工具箱 可以通过tunelssvm进行网格搜索

基于LSSVM优化组合的风速短期预测，周会友，滕婧，风速受地理环境等因素影响，具有很大的随机波动性，被认为是最难准确预测的参数之一。对风电场风速的准确预测，可有效缓解风速变

针对湿式磨机在磨矿过程中负荷(ML)难以测量的特点,提出了一种基于核函数选择的多输出LSSVM磨机负荷软测量方法。引入能量熵的概念,借助超球体表示和核函数本身蕴涵的度量特征,提出基于样本分布能量熵的支持向量机核函数选择方法;利用LSSVM建立模型对多输入多输出磨机负荷进行软测量,且将据此测量的结果与BP神经网络测量结果进行了比较。仿真结果表明,借助样本分布能量熵选择LSSVM核函数,有助于SVM泛化能力和磨机负荷软测量准确率的提高。

LSSVM_python_code

PSO-LS-SVM代码

基于贝叶斯框架下LSSVM的时间序列预测模型 基于贝叶斯框架下LSSVM的时间序列预测模型

对iris数据集进行分类，基于lssvm,用matlab编写，里面有代码运行图，可以直接运行。里面还有lsssvm工具箱函数，不用另下lssvm工具箱。打开iris.m就可以直接运行。

通过使用lssvm对葡萄酒数据集进行分类然后使用lssvm工具箱，哈哈。1) 同样是对原始对偶问题进行求解，但是通过求解一个线性方程组（优化目标中的线性约束导致的）来代替SVM中的QP问题（简化求解过程），对于高维输入空间中的分类以及回归任务同样适用；   2) 实质上是求解线性矩阵方程的过程，与高斯过程（Gaussian processes），正则化网络（regularization networks）和费雪判别分析（Fisher discriminant analysis）的核版本相结合；   3) 使用了稀疏近似（用来克服使用该算法时的弊端）与稳健回归（稳健统计）；   4) 使用了贝叶斯推断（Bayesian inference）；   5) 可以拓展到非监督学习中：核主成分分析（kernel PCA）或密度聚类；   6) 可以拓展到递归神经网络中。