基于支持向量机的故障诊断

function [r_Ydr_errr_Ys] = SVM（traindatagoaldataperiod）
% 使用循环语句对每一种参数组合都进行回归找出最优结果
% r_Yd 最优的回归结果
% r_err 最优回归的样本误差
% r_Ys 预测结果
% ------------------------------------------------------------%
% Training Samples 构造训练样本
% clear;
% data=load（‘testData.txt‘）;
n=length（traindata）;     % 样本数量
X=traindata（1:n-period:）;
X=X.‘;                   % 训练样本d×n的矩阵n为样本个数d为样本维数
Y=goaldata（period+1:n:）;
Y=Y.‘;                   % 训练目标1×n的矩阵n为样本个数值为期望输出
Xs=traindata（n-period+1:n:）;
Xs=Xs.‘;                 % 预测的自变量d×1的矩阵d为样本维数
% ------------------------------------------------------------%
%初始化一个较大的样本误差
r_err=1e10;

% ------------------------------------------------------------%
%寻找适合的惩罚系数，不敏感损失函数的参数以及核函数
for c=0:2
  for e=0:2
      for ty=1: 4           %确定核函数类型
           % ------------------------------------------------------------%
           % ker  核参数（结构体变量）
           % the following fields:
           %   type   - linear :  k（xy） = x‘*y
           %            poly   :  k（xy） = （x‘*y+c）^d
           %            gauss  :  k（xy） = exp（-0.5*（norm（x-y）/s）^2）
           %            tanh   :  k（xy） = tanh（g*x‘*y+c）
           %   degree - Degree d of polynomial kernel （positive scalar）.
           %   offset - Offset c of polynomial and tanh kernel （scalar negative for tanh）.
           %   width  - Width s of Gauss kernel （positive scalar）.
           %   gamma  - Slope g