下载
加入VIP
  • 专属下载特权
  • 现金文档折扣购买
  • VIP免费专区
  • 千万文档免费下载

上传资料

关闭

关闭

关闭

封号提示

内容

首页 基于OLS算法的预测

基于OLS算法的预测.doc

基于OLS算法的预测

beta1988
2012-07-09 0人阅读 举报 0 0 暂无简介

简介:本文档为《基于OLS算法的预测doc》,可适用于高等教育领域

程序(图在下面):基于OLS的RBF网设计算法clcclearallclcloaddatamat约简后的总体样本ceshiyangben=data(::,),data(::,),data(::,),data(::,),data(::,),data(::,),data(::,),data(::,)ceshiyangbenjieguo=data(::,)yuceyangben=data(::,),data(::,),data(::,),data(::,),data(::,),data(::,),data(::,),data(::,)yuceyangbenjieguo=data(::,)SamNum=训练样本数TestSamNum=测试样本数SP=隐节点扩展常数ErrorLimit=目标误差根据目标函数获得样本输入输出SamIn=ceshiyangben'SamOut=ceshiyangbenjieguo'TestSamIn=yuceyangben'TestSamOut=yuceyangbenjieguo'InDim,MaxUnitNum=size(SamIn)样本输入维数和最大允许隐节点数计算隐节点输出阵Distance=dist(SamIn',SamIn)HiddenUnitOut=radbas(DistanceSP)PosSelected=VectorsSelected=HiddenUnitOutSelected=ErrHistory=用于记录每次增加隐节点后的训练误差VectorsSelectFrom=HiddenUnitOutdd=sum((SamOut*SamOut)')'计算各隐节点输出矢量与目标输出矢量的夹角平方值fork=:MaxUnitNumPP=sum(VectorsSelectFrom*VectorsSelectFrom)'Denominator=dd*PP'xxx,SelectedNum=size(PosSelected)ifSelectedNum>lin,xxx=size(Denominator)Denominator(:,PosSelected)=ones(lin,)endAngle=((SamOut*VectorsSelectFrom)^)Denominator选择具有最大投影的矢量得到相应的数据中心value,pos=max(Angle)PosSelected=PosSelectedpos计算RBF网训练误差HiddenUnitOutSelected=HiddenUnitOutSelectedHiddenUnitOut(pos,:)HiddenUnitOutEx=HiddenUnitOutSelectedones(,SamNum)WEx=SamOut*pinv(HiddenUnitOutEx)用广义逆求广义输出权值W=WEx(:,:k)得到输出权值B=WEx(:,k)得到偏移NNOut=W*HiddenUnitOutSelectedB计算RBF网输出SSE=sumsqr(SamOutNNOut)记录每次增加隐节点后的训练误差ErrHistory=ErrHistorySSEifSSE<ErrorLimitbreak,end作GramSchmidt正交化NewVector=VectorsSelectFrom(:,pos)ProjectionLen=NewVector'*VectorsSelectFrom(NewVector'*NewVector)VectorsSelectFrom=VectorsSelectFromNewVector*ProjectionLenendUnitCenters=SamIn(:,PosSelected)测试TestDistance=dist(UnitCenters',TestSamIn)TestHiddenUnitOut=radbas(TestDistanceSP)TestNNOut=W*TestHiddenUnitOutBplot(:TestSamNum,TestSamOut,'r',:TestSamNum,TestNNOut,'bo')title('属性约简后的预测值与实际值模型')xlabel('输出样本个数')ylabel('预测样本值与实际样本值')figuref=abs(TestSamOutTestNNOut)TestSamOutplot(f)title('属性约简后的样本预测值的相对误差百分数')xlabel('输出样本个数')ylabel('预测样本的相对误差')kUnitCentersWB图像:

用户评价(0)

关闭

新课改视野下建构高中语文教学实验成果报告(32KB)

抱歉,积分不足下载失败,请稍后再试!

提示

试读已结束,如需要继续阅读或者下载,敬请购买!

文档小程序码

使用微信“扫一扫”扫码寻找文档

1

打开微信

2

扫描小程序码

3

发布寻找信息

4

等待寻找结果

我知道了
评分:

/5

基于OLS算法的预测

VIP

在线
客服

免费
邮箱

爱问共享资料服务号

扫描关注领取更多福利