分类预测 | Matlab实现基于LFDA-SVM局部费歇尔判别数据降维结合支持向量机的多输入分类预测

分类预测 | Matlab实现基于LFDA-SVM局部费歇尔判别数据降维结合支持向量机的多输入分类预测

目录

    • [分类预测 | Matlab实现基于LFDA-SVM局部费歇尔判别数据降维结合支持向量机的多输入分类预测](#分类预测 | Matlab实现基于LFDA-SVM局部费歇尔判别数据降维结合支持向量机的多输入分类预测)

效果一览





基本介绍

基于局部费歇尔判别数据降维的LFDA-SVM的二分类及多分类建模做多特征输入单输出的二分类及多分类模型。

程序内注释详细,直接替换数据就可以用。

程序语言为matlab。

程序可出分类效果图,降维展示图,混淆矩阵图。

想要的私聊我吧。

PS:以下效果图为测试数据的效果图,主要目的是为了显示程序运行可以出的结果图,具体预测效果以个人的具体数据为准。

程序设计

  • 完整源码和数据下载私信博主回复** Matlab实现基于LFDA-SVM局部费歇尔判别数据降维结合支持向量机的多输入分类预测**。
clike 复制代码
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%%  清空环境变量
clc;
clear;
warning off
close all
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%%  添加路径
addpath("Toolbox\")
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%%  读取数据
res = xlsread('数据集.xlsx');
%%  性能评价
error1 = sum((T_sim1' == T_train)) / M * 100 ;
error2 = sum((T_sim2' == T_test )) / N * 100 ;
%-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%%  绘图
figure
plot(1: M, T_train, 'r-*', 1: M, T_sim1, 'b-o', 'LineWidth', 1)
legend('真实值', '预测值')
xlabel('预测样本')
ylabel('预测结果')
string = {'训练集预测结果对比'; ['准确率=' num2str(error1) '%']};
title(string)
grid

figure
plot(1: N, T_test, 'r-*', 1: N, T_sim2, 'b-o', 'LineWidth', 1)
legend('真实值', '预测值')
xlabel('预测样本')
ylabel('预测结果')
string = {'测试集预测结果对比'; ['准确率=' num2str(error2) '%']};
title(string)
grid
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%%  混淆矩阵
if flag_conusion == 1

    figure
    cm = confusionchart(T_train, T_sim1);
    cm.Title = 'Confusion Matrix for Train Data';
    cm.ColumnSummary = 'column-normalized';
    cm.RowSummary = 'row-normalized';
    
    figure
    cm = confusionchart(T_test, T_sim2);
    cm.Title = 'Confusion Matrix for Test Data';
    cm.ColumnSummary = 'column-normalized';
    cm.RowSummary = 'row-normalized';
end

参考资料

[1] https://download.csdn.net/download/kjm13182345320/87899283?spm=1001.2014.3001.5503

[2] https://download.csdn.net/download/kjm13182345320/87899230?spm=1001.2014.3001.5503

相关推荐
浮生如梦_1 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
夏天里的肥宅水10 小时前
机器学习3_支持向量机_线性不可分——MOOC
人工智能·机器学习·支持向量机
机器学习之心2 天前
PCA-SVM分类预测 | Matlab实现PCA-SVM主成分分析结合支持向量机多特征分类预测
支持向量机·分类·多特征分类预测·pca-svm·主成分分析结合支持向量机
爱数学的程序猿3 天前
深入解密 K 均值聚类:从理论基础到 Python 实践
人工智能·机器学习·支持向量机
幻风_huanfeng3 天前
支持向量机背后的数学奥秘
算法·机器学习·支持向量机
十七算法实验室3 天前
Matlab实现海洋捕食者优化算法(MPA)求解路径规划问题
开发语言·算法·决策树·支持向量机·matlab·动态规划·启发式算法
阿牛牛阿3 天前
pairwise算法之rank svm
人工智能·算法·机器学习·支持向量机·ai·aigc
正义的彬彬侠6 天前
《SMO算法 公式推导》9-72选择两个变量α1和α2其它固定 公式解析
人工智能·机器学习·支持向量机·svm·smo·线性不可分支持向量机
goTsHgo6 天前
分类算法——支持向量机 详解
算法·机器学习·支持向量机
正义的彬彬侠8 天前
近似线性可分支持向量机的原理推导
人工智能·机器学习·支持向量机·svm·近似线性可分支持向量机