%%?SVM神經(jīng)網(wǎng)絡(luò)中的參數(shù)優(yōu)化---如何更好的提升分類器的性能?
%
%?
%?			該案例作者申明：				1：本人長(zhǎng)期駐扎在此板塊里，對(duì)該案例提問，做到有問必答。	2：此案例有配套的教學(xué)視頻，配套的完整可運(yùn)行Matlab程序。						3：以下內(nèi)容為該案例的部分內(nèi)容（約占該案例完整內(nèi)容的1/10）。							4：此案例為原創(chuàng)案例，轉(zhuǎn)載請(qǐng)注明出處（Matlab中文論壇，《Matlab神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析》）。							5：若此案例碰巧與您的研究有關(guān)聯(lián)，我們歡迎您提意見，要求等，我們考慮后可以加在案例里。							6：您看到的以下內(nèi)容為初稿，書籍的實(shí)際內(nèi)容可能有少許出入，以書籍實(shí)際發(fā)行內(nèi)容為準(zhǔn)。					7：此書其他常見問題、預(yù)定方式等，請(qǐng)點(diǎn)擊這里。	
%?
%

%%?清空環(huán)境變量
function?chapter13_PSO
close?all;
clear;
clc;
format?compact;
%%?數(shù)據(jù)提取

%?載入測(cè)試數(shù)據(jù)wine其中包含的數(shù)據(jù)為classnumber?=?3wine:178*13的矩陣wine_labes:178*1的列向量
load?chapter13_wine.mat;

%?畫出測(cè)試數(shù)據(jù)的box可視化圖
figure;
boxplot（wine‘orientation‘‘horizontal‘‘labels‘categories）;
title（‘wine數(shù)據(jù)的box可視化圖‘‘FontSize‘12）;
xlabel（‘屬性值‘‘FontSize‘12）;
grid?on;

%?畫出測(cè)試數(shù)據(jù)的分維可視化圖
figure
subplot（351）;
hold?on
for?run?=?1:178
????plot（runwine_labels（run）‘*‘）;
end
xlabel（‘樣本‘‘FontSize‘10）;
ylabel（‘類別標(biāo)簽‘‘FontSize‘10）;
title（‘class‘‘FontSize‘10）;
for?run?=?2:14
????subplot（35run）;
????hold?on;
????str?=?[‘a(chǎn)ttrib?‘num2str（run-1）];
????for?i?=?1:178
????????plot（iwine（irun-1）‘*‘）;
????end
????xlabel（‘樣本‘‘FontSize‘10）;
????ylabel（‘屬性值‘‘FontSize‘10）;
????title（str‘FontSize‘10）;
end

%?選定訓(xùn)練集和測(cè)試集

%?將第一類的1-30第二類的60-95第三類的131-153做為訓(xùn)練集
train_wine?=?[wine（1:30:）;wine（60:95:）;wine（131:153:）];
%?相應(yīng)的訓(xùn)練集的標(biāo)簽也要分離出來
train_wine_labels?=?[wine_labels（1:30）;wine_labels（60:95）;wine_labels（131:153）];
%?將第一類的31-59第二類的96-130第三類的154-178做為測(cè)試集
test_wine?=?[wine（31:59:）;wine（96:130:）;wine（154:178:）];
%?相應(yīng)的測(cè)試集的標(biāo)簽也要分離出來
test_wine_labels?=?[wine_labels（31:59）;wine_labels（96:130）;wine_labels（154:178）];

%%?數(shù)據(jù)預(yù)處理
%?數(shù)據(jù)預(yù)處理將訓(xùn)練集和測(cè)試集歸一化到[01]區(qū)間

[mtrainntrain]?=?size（train_wine）;
[mtestntest]?=?size（test_wine）;

dataset?=?[train_wine;test_wine];
%?mapminmax為MATLAB自帶的歸一化函數(shù)
[dataset_scaleps]?=?mapminmax（dataset‘01）;
dataset_scale?=?dataset_scale‘;

train_wine?=?dataset_scale（1:mtrain:）;
test_wine?=?dataset_scale（?（mtrain+1）:（mtrain+mtest）:?）;
%%?選擇最佳的SVM參數(shù)c&g

[bestaccbestcbestg]?=?psoSVMcgForClass（train_wine_labelstrain_wine）;

%?打印選擇結(jié)果

?屬性????????????大小?????日期????時(shí)間???名稱
-----------?---------??----------?-----??----

?????文件??????10174??2010-01-30?19:30??PSO_SVM\chapter13_PSO.m

?????目錄??????????0??2014-04-04?20:28??PSO_SVM

-----------?---------??----------?-----??----

????????????????10174????????????????????2