1 简介

支持向量机是利用已知数据类别的样本为训练样本，寻找同类数据的空间聚集特征，从而对测试样本进行分类验证，通过验证可将分类错误的数据进行更正。本文以体检数据为数据背景，首先通过利用因子分析将高维数据进行降维，由此将所有指标整合成几个综合性指标；为降低指标之间的衡量标准所引起的误差，本文利用 MATLAB软件将数据进行归一化处理，结合聚类分析将数据分类；最后本文利用最小二乘支持向量机分类算法进行分类验证，从而计算出数据分类的准确率，并验证了数据分类的准确性和合理性。

2 部分代码

%% SVM_Objective Functionfunction f=objfun_svm(cv,train_wine_labels,train_wine,test_wine_labels,test_wine)% cv为长度为2的横向量，即SVM中参数c和v的值cmd = [' -c ',num2str(cv(1)),' -g ',num2str(cv(2))];model=svmtrain(train_wine_labels,train_wine,cmd); % SVM模型训练[~,fitness]=svmpredict(test_wine_labels,test_wine,model); % SVM模型预测及其精度f=1-fitness(1)/100; % 以分类预测错误率作为优化的目标函数值

3 仿真结果

4 参考文献

[1]张烨, 黄伟. 基于天牛群算法优化SVM的磨煤机故障诊断. 

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。