现有的LSSVM工具箱，自带PSO优化，参数无需调整

现有的LSSVM工具箱，自带PSO优化，参数无需调整,Matlab编写的人工蜂群算法代码,含详细注释和测试函数,简短易懂,执行顺畅。可用于解决无约束优化问题。

function [featureseigveceigvals] = AFEm（Xskernel kernel_parsXtypenbeigveceigvals）
% Automatic Feature Extraction by Nystrom method
%
%
% >> features = AFE（X kernel sig2 Xt）
%
% Description
% Using the Nystr�m approximation method the mapping of data to
% the feature space can be evaluated explicitly. This gives the
% features that one can use for a linear regression or
% classification. The decomposition of the mapping to the feature
% space relies on the eigenvalue decomposition of the kernel
% matrix. The Matlab （‘eigs‘） or Nystr�m‘s （‘eign‘） approximation
% using the nb most important eigenvectors/eigenvalues can be
% used. The eigenvalue decomposition is not re-calculated if it is
% passed as an extra argument. This routine internally calls a cmex file.
%
% Full syntax
% 
% >> [features U lam] = AFE（X kernel sig2 Xt） 
% >> [features U lam] = AFE（X kernel sig2 Xt type） 
% >> [features U lam] = AFE（X kernel sig2 Xt type nb） 
% >> features          = AFE（X kernel sig2 Xt [][] U lam）
% 
% Outputs    
%   features : Nt x nb matrix with extracted features
%   U（*）     : N x nb matrix with eigenvectors
%   lam（*）   : nb x 1 vector with eigenvalues
% Inputs    
%   X      : N x d matrix with input data
%   kernel : Name of the used kernel （e.g. ‘RBF_kernel‘）
%   sig2   : parameter of the used kernel
%   Xt     : Data from which the features are extracted
%   type（*）: ‘eig‘（*） ‘eigs‘ or ‘eign‘
%   nb（*）  : Number of eigenvalues/eigenvectors used in the eigenvalue decomposition approximation
%   U（*）   : N x nb matrix with eigenvectors
%   lam（*） : nb x 1 vector with eigenvalues
% 
% See also:
%   kernel_matrix RBF_kernel demo_fixedsize

% Copyright （c） 2011  KULeuven-ESAT-SCD License & help @ http://www.esat.kuleuven.be/sista/lssvmlab

N = size（X1）;
Nc = size（Xs1）;

eval（‘type;‘‘type=‘‘eig‘‘;‘）;
if ~（strcmp（type‘eig‘） || strcmp（type‘eigs‘） || strcmp（type‘eign‘） ）
  error（‘Type needs to be ‘‘eig‘‘ ‘‘eigs‘‘ or ‘‘eign‘‘...‘）;
end
  

% eigenvalue decomposition to do..
if nargin<=7
  omega = kernel_matrix（Xs kernel kernel_pars）;
  if strcmp（type‘eig‘）
    [eigveceigvals] = eig（omega+2*eye（size（omega1）））; % + jitter factor
    eigvals = diag（eigvals）; 
    clear omega
  elseif strcmp（type‘eigs‘）
    eval（‘nb;‘‘nb=min（size（omega1）10）;‘）; options.disp = 0;
    [eigveceigvals] = eigs（omega+2*eye（size（omega1））nb‘lm‘options）; clear omega % + jitter factor
  elseif strcmp（type‘eign‘）
    eval（‘nb;‘‘nb=min（size（omega1）10）;‘）; 
    [eigveceigvals] = eign（omega+2*eye（size（omega1））nb）; clear omega % + jitter factor
  end
  eigvals = （eigvals-2）/Nc;

  peff = eigvals>eps;
  eigvals = eigvals（peff）;
  eigvec = eigvec（:peff）; clear peff
  
end 

if strcmp（kernel‘RBF_kernel‘）
    omegaN = sum（X.^22）*ones（1Nc）;
    omegaN = omegaN + ones（N1）*sum（Xs.^22）‘;
    omegaN = omegaN -2*X*Xs‘; clear X Xs
    omegaN = exp（-o

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2015-10-30 17:06  LSSVMlabv1_8_R2009b_R2011a\
     文件        3437  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\AFEm.m
     文件         603  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\MLP_kernel.m
     文件        1105  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\RBF_kernel.m
     文件        5785  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\bay_errorbar.m
     文件        1998  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\bay_initlssvm.m
     文件       10339  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\bay_lssvm.m
     文件        8187  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\bay_lssvmARD.m
     文件        9358  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\bay_modoutClass.m
     文件        5843  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\bay_optimize.m
     文件        4312  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\bay_rr.m
     文件        1479  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\bitreverse32.m
     文件        5576  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\changelssvm.m
     文件        4744  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\cilssvm.m
     文件        4245  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\code.m
     文件        5194  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\code_ECOC.m
     文件         548  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\code_MOC.m
     文件         361  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\code_OneVsAll.m
     文件         576  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\code_OneVsOne.m
     文件        2107  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\codedist_bay.m
     文件         753  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\codedist_hamming.m
     文件        2015  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\codedist_loss.m
     文件        4126  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\codelssvm.m
     文件        5847  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\crossvalidate.m
     文件        3941  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\crossvalidatelssvm.m
     文件        3188  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\csa.m
     文件        2251  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\demo_fixedclass.m
     文件        3233  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\demo_fixedsize.m
     文件        3447  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\demo_yinyang.m
     文件        3461  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\democlass.m
     文件        2147  2015-09-29 17:30  LSSVMlabv1_8_R2009b_R2011a\democonfint.m
............此处省略52个文件信息