BP神经网络非线性回归研究.docVIP

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、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。
  3. 3、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
  4. 4、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)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、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
  7. 7、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。
  8. 8、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
查看更多

BP神经网络非线性回归研究

%%

%%

%-----------------------核函数参数初始化------------------------------------

switchTKF

case1

%线性核函数K=sum(x.*y)

%没有需要定义的参数

case2

%多项式核函数K=(sum(x.*y)+c)^p

c=0.1;

p=2;

case3

%径向基核函数K=exp(-(norm(x-y))^2/(2*sigma^2))

sigma=10;

case4

%指数核函数K=exp(-norm(x-y)/(2*sigma^2))

sigma=10;

case5

%Sigmoid核函数K=1/(1+exp(-v*sum(x.*y)+c))

v=0.5;

c=0;

otherwise

%自定义核函数,需由用户自行在函数内部修改,注意要同时修改好几处!

%暂时定义为K=exp(-(sum((x-y).^2)/(2*sigma^2)))

sigma=8;

end

%%

%%

%-----------------------构造K矩阵-------------------------------------------

l=size(X,2);

K=zeros(l,l);%K矩阵初始化

fori=1:l

forj=1:l

x=X(:,i);

y=X(:,j);

switchTKF%根据核函数的类型,使用相应的核函数构造K矩阵

case1

K(i,j)=sum(x.*y);

case2

K(i,j)=(sum(x.*y)+c)^p;

case3

K(i,j)=exp(-(norm(x-y))^2/(2*sigma^2));

case4

K(i,j)=exp(-norm(x-y)/(2*sigma^2));

case5

K(i,j)=1/(1+exp(-v*sum(x.*y)+c));

otherwise

K(i,j)=exp(-(sum((x-y).^2)/(2*sigma^2)));

end

end

end

%%

%%

%------------构造二次规划模型的参数H,Ft,Aeq,Beq,lb,ub------------------------

%支持向量机非线性回归,回归函数的系数,要通过求解一个二次规划模型得以确定

Beq=0;

lb=eps.*ones(2*l,1);

ub=C*ones(2*l,1);

%%

%%

%--------------调用优化工具箱quadprog函数求解二次规划------------------------

OPT=optimset;

OPT.LargeScale=off;

OPT.Display=off;

%%

%%

%------------------------整理输出回归方程的系数------------------------------

Alpha1=(Gamma(1:l,1));

Alpha=Alpha1-Alpha2;

Flag=2*ones(1,l);

%%

%%

%---------------------------支持向量的分类----------------------------------

Err=0.000000000001;

fori=1:l

AA=Alpha1(i);

BB=Alpha2(i);

if(abs(AA-0)=Err)(abs(BB-0)=Err)

Flag(i)=0;%非支持向量

end

if(AAErr)(AAC-Err)(abs(BB-0)=Err)

Flag(i)=2;%标准支持向量

end

if(abs(AA-0)=Err)(BBErr)(BBC-Err)

Flag(i)=2;%标准支持向量

end

if(abs(AA-C)=Err)(abs(BB-0)=Err)

Flag(i)=1;%边界支持向量

end

if(abs(AA-0)=Err)(abs(BB-C)=Err)

Flag(i)=1;%边界支持向量

end

end

%%

%%

%--------------------计算回归方程中的常数项B---------------------------------

B=0;

counter=0;

fori=1:l

AA=Alpha1(i);

BB=Alpha2(i);

if(AAErr)(AAC-Err)(abs(BB-0)=Err)

%计算支持向量加权值

SUM=0;

forj=1:l

ifFlag(j)0

switchTKF

case1

SUM=SUM+Alpha(j)*sum(X(:,j).*X(:,i));

case2

SUM=SUM+Alp

文档评论(0)

175****4659 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档