粒子群优化的支持向量机matlab源代码

粒子群优化的支持向量机matlab源代码 有自己的部分还有其他人的需要可以下载

%% 清空环境

clc
clear 

load matlab111.mat
%% 载入数据
train= data_train‘;
train_label =label_train‘;
test =data_test‘;
test_label =label_test‘;

[trainpstrain] = mapminmax（train‘）;
pstrain.ymin = 0;
pstrain.ymax = 1;
[trainpstrain] = mapminmax（trainpstrain）;

[testpstest] = mapminmax（test‘）;
pstest.ymin = 0;
pstest.ymax = 1;
[testpstest] = mapminmax（testpstest）;

train = train‘;
test = test‘;

%% 参数初始化

%粒子群算法中的两个参数
c1 = 1.6; % c1 belongs to [02]
c2 = 1.5; % c2 belongs to [02]

maxgen=300;   % 进化次数 
sizepop=30;   % 种群规模

popcmax=10^（2）;
popcmin=10^（-1）;
popgmax=10^（3）;
popgmin=10^（-2）;
k = 0.6; % k belongs to [0.11.0];
Vcmax = k*popcmax;
Vcmin = -Vcmax ;
Vgmax = k*popgmax;
Vgmin = -Vgmax ;

% SVM参数初始化 
v = 3;

%% 产生初始粒子和速度
for i=1:sizepop
    % 随机产生种群
    pop（i1） = （popcmax-popcmin）*rand+popcmin;    % 初始种群
    pop（i2） = （popgmax-popgmin）*rand+popgmin;
    V（i1）=Vcmax*rands（1）; % 初始化速度
    V（i2）=Vgmax*rands（1）;
    % 计算初始适应度
    cmd = [‘-v ‘num2str（v）‘ -c ‘num2str（ pop（i1） ）‘ -g ‘num2str（ pop（i2） ）];
    fitness（i） = svmtrain（train_label train cmd）;
    fitness（i） = -fitness（i）;
end

% 找极值和极值点

[global_fitness bestindex]=min（fitness）; % 全局极值
local_fitness=fitness;   % 个体极值初始化

global_x=pop（bestindex:）;   % 全局极值点
local_x=pop;    % 个体极值点初始化

tic

%% 迭代寻优
for i=1:maxgen
   
    for j=1:sizepop
       
        %速度更新
        wV = 0.9; % wV best belongs to [0.81.2]
        V（j:） = wV*V（j:） + c1*rand*（local_x（j:） - pop（j:）） + c2*rand*（global_x - pop（j:））;
        if V（j1） > Vcmax
            V（j1） = Vcmax;
        end
        if V（j1） < Vcmin
            V（j1） = Vcmin;
        end
        if V（j2） > Vgmax
            V（j2） = Vgmax;
        end
        if V（j2） < Vgmin
            V（j2） = Vgmin;
        end
       
        %种群更新
        wP = 0.6;
        pop（j:）=pop（j:）+wP*V（j:）;
        if pop（j1） > popcmax
            pop（j1） = popcmax;
        end
        if pop（j1） < popcmin
            pop（j1） = popcmin;
        end
        if pop（j2） > popgmax
            pop（j2） = popgmax;
        end
        if pop（j2） < popgmin
            pop（j2） = popgmin;
        end
       
        % 自适应粒子变异
        if rand>0.5
            k=ceil（2*rand）;
            if k == 1
                pop（jk） = （20-1）*rand+1;
            end
            if k == 2
                pop（jk） = （popgmax-popgmin）*rand+popgmin;
            end           
        end
       
        %适应度值
        cmd = [‘-v ‘num2str（v）‘ -c ‘num2str（ pop（j1） ）‘ -g ‘num2str（ pop（j2） ）];
        fitness（j） = svmtrain（train_label train cmd）;
        fitness（j） = -fitness（j）;
    end
   
    %个体最优更新
    if fitness（j） < local_fitness（j）
        local_x（j:） = pop（j:）;
        local_fitness（j） = fitness（j）;
    end
   
    %群体最优更新
    if fitness（j） < global_fitness
        global_x = pop（j:）;
        global_fitness = fitness（j）;
  

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        9187  2018-04-18 16:18  pso-SVM\matlab111.mat
     文件        3957  2018-04-18 20:13  pso-SVM\psoSVM.m
     文件       20168  2010-01-30 18:38  pso-SVM\wine.mat