💥 💥 💞 💞 欢迎来到本博客 ❤️ ❤️ 💥 💥
🏆 博主优势： 🌞 🌞 🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳ 座右铭：行百里者，半于九十。
📋 📋 📋 本文目录如下： 🎁 🎁 🎁
💥1 概述
LSSVM的特性
1) 同样是对原始对偶问题进行求解，但是通过求解一个线性方程组（优化目标中的线性约束导致的）来代替SVM中的QP问题（简化求解过程），对于高维输入空间中的分类以及回归任务同样适用；
2) 实质上是求解线性矩阵方程的过程，与高斯过程（Gaussian processes），正则化网络（regularization networks）和费雪判别分析（Fisher discriminant analysis）的核版本相结合；
3) 使用了稀疏近似（用来克服使用该算法时的弊端）与稳健回归（稳健统计）；
4) 使用了贝叶斯推断（Bayesian inference）；
5) 可以拓展到非监督学习中：核主成分分析（kernel PCA）或密度聚类；
6) 可以拓展到递归神经网络中。
📚2 运行结果
主函数部分代码：
% dot(x1) = a * (x_2 -x_1) % dot(x_2) = x_1 * (b- x_3) - x_2 % dot(x_3) = x_1 * x_2 -c* x_3 % 0 <= t < = t_f % Initial Condition % x_1(0) = -9.42, x_2(0)= -9.34, x_3(0)=28.3 % Theta=[a, b, c] = [10, 28, 8/3] clear all; close all; clc t0=0; tf=10; sampling_time=0.05; t=(t0:sampling_time:tf)'; initial=[-9.42 -9.34 28.3]; % initial values of the ODE used for generating simulated data ExactTheta=[10; 28 ; 8/3]; % The exact parameters of the lorenz system used for generating simulated data cprintf( [1 0.1 0],'**** Excat parameters of the Lorenz system ***** \n\n'); fprintf('True theta_1= %f \n', ExactTheta(1)); fprintf('True theta_2= %f \n', ExactTheta(2)); fprintf('True theta_3= %f \n\n', ExactTheta(3)); fprintf( '************************************* \n\n'); %% ========= Generating the simulation data ====================== options = odeset('RelTol',1e-5,'AbsTol',[1e-5 1e-5 1e-5]); sol = ode45(@ridg,[t0 tf],initial,options,ExactTheta); Y=deval(sol,t); Y=Y';noise_level=0.01; % 0.03, 0.05, 0.07, 0.1 noise=noise_level*randn(size(t,1),1); y1=Y(:,1)+noise; y2=Y(:,2)+noise; y3=Y(:,3)+noise;
🎉3 参考文献
部分理论来源于网络，如有侵权请联系删除。
[1]姜星宇. 基于动态粒子群算法的DPSO-LSSVM模型在短期电力负荷预测中的应用研究[D].沈阳农业大学,2022.DOI:10.27327/d.cnki.gshnu.2022.000596.
