第5篇章 基于RLS算法的数据预测与MATLAB实现.pptVIP

第五章 MATLAB优化算法案例分析与应用 第5章 RLS应用分析 第五章 MATLAB优化算法案例分析与应用 5.2.2 RLS算法流程 （1）初始化： （2）当n=1,2,3,……，N 时，完成如下迭代运算： 第五章 MATLAB优化算法案例分析与应用 5.3 RLS数据线性预测分析与MATLAB实现 clc,clear,close all % 清屏、清工作区、关闭窗口 warning off % 消除警告 feature jit off % 加速代码执行 N = 1000; % 信号观测长度 a1 = 0.99; % 一阶AR参数 sigma = 0.0731; % 加性白噪声方差 v = sqrt(sigma)*randn(N,1); % 产生v（n）加性白噪声 u0 = [0]; % 初始数据 num = 1; % 分子系数 den = [1,a1]; % 分母系数 Zi = filtic(num,den,u0); % 滤波器的初始条件 un = filter(num,den,v,Zi); % 产生样本序列u(n), N x 1 x trials figure,stem(un),title(随机信号);grid on; 第五章 MATLAB优化算法案例分析与应用 图5- 2 样本序列 第五章 MATLAB优化算法案例分析与应用 图5- 3 100次迭代平均均方差曲线 图5- 4 100次迭代平均权值曲线 第五章 MATLAB优化算法案例分析与应用 5.3 偏最小二乘数据分析   体重 腰围 脉搏 单杠 弯曲 跳高 Pearson Correlation 体重 1.000 .870 -.366 -.390 -.493 -.226 腰围 .870 1.000 -.353 -.552 -.646 -.191 脉搏 -.366 -.353 1.000 .151 .225 .035 单杠 -.390 -.552 .151 1.000 .696 .496 弯曲 -.493 -.646 .225 .696 1.000 .669 跳高 -.226 -.191 .035 .496 .669 1.000 Sig. (1-tailed) 体重 . .000 .056 .045 .014 .169 腰围 .000 . .063 .006 .001 .209 脉搏 .056 .063 . .263 .170 .442 单杠 .045 .006 .263 . .000 .013 弯曲 .014 .001 .170 .000 . .001 跳高 .169 .209 .442 .013 .001 . 表5-2 相关系数矩阵 第五章 MATLAB优化算法案例分析与应用 5.3 偏最小二乘数据分析 第五章 MATLAB优化算法案例分析与应用 5.3 偏最小二乘数据分析 第五章 MATLAB优化算法案例分析与应用 5.3 偏最小二乘数据分析 偏最小二乘回归模型为： 的计算结果见表5-5。 第五章 MATLAB优化算法案例分析与应用 5.3 偏最小二乘数据分析 回归系数直方图 figure, bar(xishu) axis tight hold on annotation(textbox,[0.26 0.14 0.086 0.07],String,{单杠},FitBoxToText,off); annotation(textbox,[0.56 0.14 0.086 0.07],String,{弯曲},FitBoxToText,off); annotation(textbox,[0.76 0.14 0.086 0.07],String,{跳高},FitBoxToText,off); 第五章 MATLAB优化算法案例分析与应用 5.3 偏最小二乘数据分析 体能训练预测图 subplot(2,2,1) plot(0:ymax(1),0:ymax(1),yhat(:,1),y0(:,1),*) title(单杠成绩预测) subplot(2,2,2) plot(0:ymax(2),0:ymax(2),yhat(:,2),y0(:,2),O) title(弯曲成绩预测)   subp