粒子群算法(PSO)优化最小二乘支持向量机回归预测 PSO-LSSVM回归预测 多输入单输出模型。

%% 清空环境变量

warning off % 关闭报警信息

close all % 关闭开启的图窗

clear% 清空变量

clc % 清空命令行

%% 导入数据

P_train = xlsread('data','training set','B2：G191')';

T_train= xlsread('data','training set','H2：H191')';

% 测试集——44个样本

P_test=xlsread('data','test set','B2:G45')';

T_test=xlsread('data','test set','H2:H45')';

%% 划分训练集和测试集

M = size(P_train, 2);

N = size(P_test, 2);

%% 数据归一化

[p_train, ps_input] = mapminmax(P_train, 0, 1);

p_test = mapminmax('apply', P_test, ps_input);

[t_train, ps_output] = mapminmax(T_train, 0, 1);

t_test = mapminmax('apply', T_test, ps_output);

%% 转置以适应模型

p_train = p_train'; p_test = p_test';

t_train = t_train'; t_test = t_test';

%% 参数设置

pop = 5; % 种群数目

Max_iter = 50;% 迭代次数

dim = 2; % 优化参数个数

lb = [10, 10]; % 下限

ub = [1000, 1000]; % 上限

%% 优化函数

fobj = @(x)fitnessfunclssvm(x, p_train, t_train);

%% 优化

[Best_pos, Best_score, curve] = PSO(pop, Max_iter, lb, ub, dim, fobj);