✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。
🍎个人主页：Matlab科研工作室
🍊个人信条：格物致知。
更多Matlab仿真内容点击👇
⛄ 内容介绍
Covid-19风险数据受多种因素影响而呈现出非线性等特点,为了进一步提高其预测精度,文章提出了粒子群算法( PSO)优化支持向量机( SVM)的Covid-19风险预测模型.利用PSO寻优能力突出的优点,对支持向量机的参数进行了优化选择,并用优化后的支持向量机模型对Covid-19风险进行预测.研究结果显示,相比传统的SVM预测方法,基于PSO-SVM的预测精度更高,从而表明了粒子群算法优化支持向量机的方法是有效的.
⛄ 部分代码
function EVAL = Evaluate(ACTUAL,PREDICTED)
idx = (ACTUAL()==1);
p = length(ACTUAL(idx));
n = length(ACTUAL(~idx));
N = p+n;
tp = sum(ACTUAL(idx)==PREDICTED(idx))
tn = sum(ACTUAL(~idx)==PREDICTED(~idx))
fp = n-tn
fn = p-tp
tp_rate = tp/p;
tn_rate = tn/n;
accuracy = (tp+tn)/N;
sensitivity = tp_rate;
specificity = tn_rate;
precision = tp/(tp+fp);
recall = sensitivity;
f_measure = 2*((precision*recall)/(precision + recall));
gmean = sqrt(tp_rate*tn_rate);
EVAL = [accuracy sensitivity specificity precision recall f_measure gmean];
Ac={'Accuracy' 'Sensitivity' 'Specificity' 'Precision' 'Recall' 'F_measure' 'Gmean'}
⛄ 运行结果
⛄ 参考文献
[1]程云芳, 邱榕. 基于粒子群-支持向量机(PSO-SVM)的苯储罐泄漏事故风险预测[J]. 火灾科学, 2020, 29(3):9.
