支持向量机非线性回归通用MATLAB源码

支持向量机非线性回归通用MATLAB源码支持向量机和BP神经网络都可以用来做非线性回归拟合，但它们的原理是不相同的，支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。大量仿真证实，

MATLAB 支持向量机非线性回归通用源码 BP 支持向量机和神经网络都可以用来做非线性回归拟合，但它们的原理是不相同的，支持 向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。大量仿真证实， BP—— 支持向量机的泛化能力强于网络，而且能避免神经网络的固有缺陷训练结果不稳定。 本源码可以用于线性回归、非线性回归、非线性函数拟合、数据建模、预测、分类等多种应 GreenSim 用场合，团队推荐您使用。 function[Alpha1,Alpha2,Alpha,Flag,B]=SVMNR(X,Y,Epsilon,C,TKF,Para1,Para2) %% %SVMNR.m %SupportVectorMachineforNonlinearRegression %Allrightsreserved %% % 支持向量机非线性回归通用程序 %GreenSim 团队原创作品，转载请注明 %GreenSim 团队长期从事算法设计、代写程序等业务 %GreenSim——→ 欢迎访问算法仿真团队 % 程序功能： %y=f(x1,x2,…,xn) 使用支持向量机进行非线性回归，得到非线性函数的支持向量解析式， %quadprog 求解二次规划时调用了优化工具箱的函数。本函数在程序入口处对数据进行了 %[-1,1] 的归一化处理，所以计算得到的回归解析式的系数是针对归一化数据的，仿真测 %Regression 试需使用与本函数配套的函数。 %: 主要参考文献 %,.. 朱国强刘士荣等支持向量机及其在函数逼近中的应用华东理工大学学报 % 输入参数列表 %Xn×lnl 输入样本原始数据，的矩阵，为变量个数，为样本个数 %Y1×ll 输出样本原始数据，的矩阵，为样本个数 %EpsilonεEpsilon 不敏感损失函数的参数，越大，支持向量越少 %CC 惩罚系数，过大或过小，泛化能力变差 %TKFTypeofKernelFunction 核函数类型 %TKF=1 线性核函数，注意：使用线性核函数，将进行支持向量机的线性回归 %TKF=2 多项式核函数 %TKF=3 径向基核函数 %TKF=4 指数核函数 %TKF=5Sigmoid 核函数 %TKF= 任意其它值，自定义核函数 %Para1 核函数中的第一个参数 %Para2 核函数中的第二个参数 %Regression.mSVMNR.m 注：关于核函数参数的定义请见和内部的定义 % 输出参数列表 %Alpha1α 系数 %Alpha2α* 系数 %Alphaαα* 支持向量的加权系数（－）向量