基于OLS算法的预测1.docVIP

下载本文档

5
0
约2.69千字
约 5页
2018-06-06 发布于天津
举报
版权申诉

基于OLS算法的预测1.doc

1、本文档共5页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于OLS算法的预测1

程序(图在下面): %基于OLS 的RBF 网设计算法 %%------------------------------ clc; clear all; clc; load data.mat;%约简后的总体样本 ceshiyangben=[data(1:2:238,1),data(1:2:238,2),data(1:2:238,3),data(1:2:238,4),data(1:2:238,5),data(1:2:238,6),data(1:2:238,7),data(1:2:238,8)]; ceshiyangbenjieguo=[data(1:2:238,9)]; yuceyangben=[data(2:2:119,1),data(2:2:119,2),data(2:2:119,3),data(2:2:119,4),data(2:2:119,5),data(2:2:119,6),data(2:2:119,7),data(2:2:119,8)]; yuceyangbenjieguo=[data(2:2:119,9)]; SamNum = 119; % 训练样本数 TestSamNum = 59; % 测试样本数 SP = 0.6; % 隐节点扩展常数 ErrorLimit = 0.01; % 目标误差 % 根据目标函数获得样本输入输出 SamIn = ceshiyangben; SamOut = ceshiyangbenjieguo; TestSamIn = yuceyangben; TestSamOut = yuceyangbenjieguo; [InDim,MaxUnitNum] = size(SamIn); % 样本输入维数和最大允许隐节点数 % 计算隐节点输出阵 Distance = dist(SamIn,SamIn); HiddenUnitOut = radbas(Distance/SP); PosSelected = []; VectorsSelected = []; HiddenUnitOutSelected = []; ErrHistory = []; % 用于记录每次增加隐节点后的训练误差 VectorsSelectFrom = HiddenUnitOut; dd = sum((SamOut.*SamOut)); % 计算各隐节点输出矢量与目标输出矢量的夹角平方值 for k = 1 : MaxUnitNum PP = sum(VectorsSelectFrom.*VectorsSelectFrom); Denominator = dd * PP; [xxx,SelectedNum] = size(PosSelected); if SelectedNum0 [lin,xxx] = size(Denominator); Denominator(:,PosSelected) = ones(lin,1); end Angle = ((SamOut*VectorsSelectFrom) .^ 2) ./ Denominator; % 选择具有最大投影的矢量，得到相应的数据中心 [value,pos] = max(Angle); PosSelected = [PosSelected pos]; % 计算RBF网训练误差 HiddenUnitOutSelected = [HiddenUnitOutSelected;HiddenUnitOut(pos,:)]; HiddenUnitOutEx = [HiddenUnitOutSelected;ones(1,SamNum)]; W2Ex = SamOut*pinv(HiddenUnitOutEx); % 用广义逆求广义输出权值 W2 = W2Ex(:,1:k); % 得到输出权值 B2 = W2Ex(:,k+1); % 得到偏移 NNOut = W2*HiddenUnitOutSelected+B2; % 计算RBF网输出 SSE = sumsqr(SamOut - NNOut); % 记录每次增加隐节点后的训练误差 ErrHistory = [ErrHistory SSE]; if SSE ErrorLimit break, end