利用WOA算法优化libsvm中SVDD算法的参数

台湾大学林智仁 (Lin Chih-Jen) 教授等开发设计的 libsvm 工具箱提供了SVDD算法的MATLAB接口，其中两个关键参数 c 和 g 直接影响SVDD的单值分类结果。 该代码通过引入鲸鱼优化算法（Whale Optimization Algorithm，WOA），实现对 libsvm 工具箱中的SVDD算法的参数优化，给出两个实例代码： 1. libsvm 工具箱提供的heart_scale data 2. 工业过程数据 WOA的具体描述可以参考以下文献： （1）Mirjalili S, Lewis A. The whale optimization algorithm[J]. Advances in engineering software, 2016, 95: 51-67. 该算法的提出者已经把代码开源在mathworks。 注：（1）该代码把 libsvm工具箱的svmtrain和svmpredict函数的名字分别改为libsvmtrain和libsvmpredict。 （2）WOA算法和其他群智能优化算法一样，容易陷入局部最优，若寻优结果出现异常，可以尝试多运行几次。

%%%%%%%%%%      SVDD_WOA （libsvm-3.23）               %%%%%%%%%%%%%%%
% Demo: heart_scale data
% Created on 1st October 2019 by Kepeng Qiu.
% ---------------------------------------------------------------------%

clc 
clear all
close all
addpath（genpath（pwd））

global traindata trainlabel

% heart_scale data
[traindata testdata trainlabel testlabel] = prepareData;


% Parameter setting of WOA
agent = 10;            % Number of search agents
iteration = 20;        % Maximum numbef of iterations
lb = [10^-32^-4];     % Lower bound of ‘c‘ and ‘g‘
ub = [10^02^4];       % Upper bound of ‘c‘ and ‘g‘
dim = 2;               % Number of Parameter
fobj = @woa_obj;       % objective function

% Parameter optimization using WOA
[Best_score Best_pos~] = WOA（agent iteration lb ub dim fobj）;


% Train SVDD hypersphere using the optimal parameters
cmd = [‘-s 5 -t 2 ‘ ‘-c ‘ num2str（Best_pos（11）） ‘ -g ‘ ...
    num2str（Best_pos（12）） ‘ -q‘];
model = libsvmtrain（trainlabel traindata cmd）;

% Test 
[predictlabel accuracy ~] = libsvmpredict（testlabel testdata model）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-10-16 13:05  data\
     文件       35936  2019-10-01 15:47  data\data_2.mat
     文件       28904  2012-03-19 16:52  data\heart_scale.mat
     文件        1128  2019-10-01 17:12  demo_1.m
     文件        1160  2019-10-01 17:12  demo_2.m
     目录           0  2019-10-16 13:05  func\
     文件         646  2019-10-01 17:14  func\plotResult.m
     文件         811  2019-10-01 16:30  func\prepareData.m
     文件         684  2019-10-01 17:13  func\woa_obj.m
     目录           0  2019-10-16 13:05  libsvm-3.23\
     文件        9818  2018-07-15 22:16  libsvm-3.23\libsvmpredict.c
     文件       27648  2018-10-19 20:55  libsvm-3.23\libsvmpredict.mexw64
     文件        4060  2018-07-15 22:16  libsvm-3.23\libsvmread.c
     文件       13312  2018-10-19 20:55  libsvm-3.23\libsvmread.mexw64
     文件       12502  2016-12-26 19:56  libsvm-3.23\libsvmtrain.c
     文件       73728  2018-10-19 20:55  libsvm-3.23\libsvmtrain.mexw64
     文件        2326  2018-07-15 22:16  libsvm-3.23\libsvmwrite.c
     文件       12800  2018-10-19 20:55  libsvm-3.23\libsvmwrite.mexw64
     文件         900  2018-10-19 20:55  libsvm-3.23\make.m
     文件        1240  2018-07-15 22:16  libsvm-3.23\Makefile
     文件        9815  2018-07-15 22:16  libsvm-3.23\README
     文件        8196  2018-07-15 22:16  libsvm-3.23\svm_model_matlab.c
     文件         201  2018-07-15 22:16  libsvm-3.23\svm_model_matlab.h
     目录           0  2019-10-16 13:05  WOA\
     文件        3633  2016-02-10 23:43  WOA\func_plot.m
     文件        7725  2016-02-10 23:43  WOA\Get_Functions_details.m
     文件        1953  2016-02-10 23:43  WOA\initialization.m
     文件        3149  2016-03-03 15:32  WOA\main.m
     文件        4214  2016-02-10 23:43  WOA\WOA.m
     文件     1841081  2016-02-27 17:00  WOA\WOA.pdf
     文件      232696  2016-02-27 18:44  WOA\WOA.png
............此处省略0个文件信息