1、最小二乘支持向量机LSSVM基本原理
最小二乘支持向量机是支持向量机的一种改进，它是将传统支持向量机中的不等式约束改为等式约束, 且将误差平方和(SumSquaresError)损失函数作为训练集的经验损失,这样就把解二次规划问题转化为求解线性方程组问题, 提高求解问题的速度和收敛精度。
常用的核函数种类：
2、LSSVM工具箱的使用方法
2.1 最小二乘支持向量机Matlab工具箱下载链接：https://www.esat.kuleuven.be/sista/lssvmlab/（毫无疑问下载最新版本）
2.2 将LS-SVM文件添加到matlan使用路径中，便可直接使用。
具体使用步骤：
1 导入训练数据：load 读取mat文件和ASCII文件；xlsread读取.xls文件；csvread读取.csv文件。
2 数据预处理：效果是加快训练速度。
方法有：归一化处理(把每组数据都变为 – 1～ +1之间的数, 所涉及到的函数有premnmx, post mnmx, tramnmx)
标准化处理(把每组数据都化为均值为 0,
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/178334.html原文链接：https://javaforall.net
