Java教程

【SVM分类】基于模拟退火算法优化支持向量机实现数据分类附Matlab代码

本文主要是介绍【SVM分类】基于模拟退火算法优化支持向量机实现数据分类附Matlab代码,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

1 简介

将模拟退火算法应用于粮虫图像识别中支持向量机分类器参数C和g的优化,并与网格搜索法优化结果进行了对比,结果表明参数优化速度提高了3.91倍,分类器的识别率提高了5.56%.应用SAA-SVM分类器对粮仓中危害严重的9类粮虫进行了自动分类,识别率达到95.56%,证实了基于SAA-SVM的分类器对粮虫进行自动分类是可行的.

2 部分代码

% 使用模拟退火法求函数 f(x,y)=x^2+y^2的最小值

% 使用METROPOLIS接受准则进行模拟

%% 清空环境

tic % 计时

clear

clc

close all

format compact

%% 绘制目标函数图像

x=-5:0.1:5;

y=-5:0.1:5;

[X,Y]=meshgrid(x,y);

value=X.*X+Y.*Y;

figure('Name','目标函数图像')

mesh(X,Y,value)

%% SA算法主程序

end

%% 结果显示

disp(['最小值在点:',num2str(Par_best)]);

Objval_best= ObjectFunction(Par_best);

disp(['最小值为:',num2str(Objval_best)]);

%% 显示运行时间

toc

3 仿真结果

4 参考文献

[1]胡玉霞, 张红涛. 基于模拟退火算法-支持向量机的储粮害虫识别分类[J]. 农业机械学报, 2008, 39(9):4.

博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题可私信交流。

部分理论引用网络文献,若有侵权联系博主删除。

这篇关于【SVM分类】基于模拟退火算法优化支持向量机实现数据分类附Matlab代码的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!