% 支持向量機用于函數擬合 - 必須選擇最優參數 gam,sig2% 工具箱：LS_SVMlab% 使用平臺：Matlab6.5% 作者：陸振波，海軍工程大學% 歡迎同行來信交流與合作，更多文章與程序下載請訪問我的個人主頁% 電子郵件：luzhenbo@yahoo.com.cn% 個人主頁：http://luzhenbo.88uu.com.cnclcclearclose all%---------------------------------------------------% 產生訓練樣本與測試樣本n1 = 1:2:200;x1 = sin(n1*0.1);n2 = 2:2:200;x2 = sin(n2*0.1);xn_train = n1;          % 訓練樣本，每一列為一個樣本dn_train = x1;          % 訓練目標，行向量xn_test = n2;           % 測試樣本，每一列為一個樣本dn_test = x2;           % 測試目標，行向量%---------------------------------------------------% 參數設置X = xn_train';Y = dn_train';Xt = xn_test';Yt = dn_test';type = 'f';kernel = 'RBF_kernel';gam = 100;              % Regularization parametersig2 = 0.01;            % Kernel parameter (bandwidth in the case of the 'RBF_kernel'model = initlssvm(X,Y,type,gam,sig2,kernel);                    % 模型初始化%---------------------------------------------------% 交叉驗證優化參數%costfun = 'rcrossvalidate';%costfun_args = {X,Y,10};%optfun = 'gridsearch';%model = tunelssvm(model,[],optfun,{},costfun,costfun_args);     % 模型參數優化 %---------------------------------------------------% 訓練與測試model = trainlssvm(model);  % 訓練　Yd = simlssvm(model,Xt);    % 回歸%---------------------------------------------------% 結果作圖plot(1:length(Yt),Yt,'r+:',1:length(Yd),Yd,'bo:')title('+為真實值，o為預測值')