用PSO优化LSSVM的参数

现有的LSSVM工具箱，自带PSO优化，参数无需调整,Matlab编写的人工蜂群算法代码,含详细注释和测试函数,简短易懂,执行顺畅。可用于解决无约束优化问题。

%% LS-SVM分类测试程序代码模板
  %by tangxb
  %e-mail:tangxb200@126.com QQ:444646122
  %http://blog.sina.com.cn/lssvm
%% 清空变量空间
  clc;clear;close all
  format compact
%% 程序代码计时开始
  tic;
%% 数据导入
 X0=load（‘C:\Documents and Settings\Administrator\桌面\训练数据\数据\trainone.txt‘）;
 Y0=load（‘C:\Documents and Settings\Administrator\桌面\训练数据\数据\testone.txt‘）;
 trainset=X0（:4:end）;
 trainset_label=X0（:1）;
 testset=Y0（:4:end）;
 testset_label=Y0（:1）;
%% 样本集各维度可视化
 featuredisplay（trainsettrainset_labeltestsettestset_label1）;
%% 计数样本类别数
 labelnum=countlabelnum（testset_label）;
%%  原始数据可视化
 figure;
 boxplot（trainset‘orientation‘‘horizontal‘）;
 grid on;
 title（‘Visualization for original data‘）;
%% 数据预处理
 %归一化处理
  [trainsettestsetps] = scaleForLSSVM（trainsettestset01）;
% %% 归一化后可视化
%  figure;
%  boxplot（trainset‘orientation‘‘horizontal‘）;
%  grid on;
%  title（‘Visualization for scale data‘）;
% %% 样本集归一化后各维度可视化
%  featuredisplay（trainsettrainset_labeltestsettestset_label1）;
%% 降维处理
  %1.pca处理
   [trainsettestset] = pcaForLSSVM（trainsettestset）;
%   %2.ica处理
%    [trainsettestset] = fasticaForLSSVM（trainsettestset）;
%   %3.dct处理
%    [trainsettestset] = DCTforSVM（trainsettestset）;
%% LS参数设置
 type = ‘c‘;
 kernel_type = ‘RBF_kernel‘;
 codefct = ‘code_MOC‘; 
 preprocess = ‘original‘;%‘preprocess‘或者‘original‘
 igam=0.1;
 isig2=0.1;
% %将“多类”转换成“两类”的编码方案
% 1. Minimum Output Coding （code_MOC） 
% 2. Error Correcting Output Code （code_ECOC）
% 3. One versus All Coding （code_OneVsAll）
% 4. One Versus One Coding （code_OneVsOne） 
 % 编码
 [Yccodebookold_codebook] = code（trainset_labelcodefct）;
%% PSO验证优化参数
 [bestCVaccuarcybestcbestgpso_option] = psoLSSVMcgForClass（trainsettrainset_labelYc）;
 % 训练生成模型
 [alphab]=trainlssvm（{trainsetYctypebestcbestgkernel_typepreprocess}）;
 %编码分类结果
 Yd0 = simlssvm（{trainsetYctypebestcbestgkernel_typepreprocess}{alphab}testset）;
%  %新加的行，为了画ROC曲线
%  Zt=latentlssvm（{trainsettrainset_labeltypegamsig2kernel_type}{alphab}testset）;%X-训练样本集，Y-训练样本集类别号，XX-测试样本集
%  [areasethresholdsoneMinusSpecSens]=roclssvm（ZtYY）;%作图用的最后两个输出oneMinusSpec（横轴），Sens（纵轴），YY-测试样本集类别号
 predict_label = code（Yd0old_codebook[]codebook）;%解码分类结果
%% ROC曲线
 plotLSSVMroc（testset_labelpredict_labellabelnum）;
%% 分类效果可视化、正确率
[rightpercenttestnumerrornumerrorindex]=classmeasures（testset_labelpredict_labelbestcbestg）;
%% 程序运行计时
 toc

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       5831  2010-11-24 16:05  PSO优化LSSVM参数\psoLSSVMcgForClass.m

     文件       2686  2010-11-24 16:05  PSO优化LSSVM参数\a_template_flow_usingPSOLSSVM_class.m

     目录          0  2012-03-12 20:42  PSO优化LSSVM参数

----------- ---------  ---------- -----  ----

                 8517                    3