gen = 1; v = ga_option.v; BestCVaccuracy = 0; Bestc = 0; Bestg = 0;

时间: 2023-10-16 10:09:55 浏览: 72

Matlab的FIG信息粒化SVM对于上证指数的预测-FIG_SVM_sh.rar

Matlab的FIG信息粒化SVM对于上证指数的预测-FIG_SVM_sh.rar 秉承着这个帖子：利用libsvm做回归分析的一个小例子　https://www.ilovematlab.cn/thread-47453-1-1.html对于上证指数的预测我又做了一些探究，这次我要做的是从２０号开始对于未来五天内（２０，２１，２４，２５，２６）［２２，２３两天关闭］，上证指数的每日开盘数的变化空间（五日内的变化范围的预测，以及与前五日相比的趋势）．所采用的方法是FIG＋SVM[信息粒化支持向量机]. 这回也加大了数据量,为上证指数从1990.12.19开盘以来到2009.8.19,4579个交易日内每日的开盘数. 原始数据如下: ========上证指数1990.12.19-2009.8.19每日开盘数 sh_8_19.jpg ======== 我把每五日,放在一起对原始数据进行模糊信息粒化.[有关模糊信息粒化相关的代码我就不贴出来了,其他的代码可以共享] 得到原始数据的信息粒化图,三幅,分别是模糊数的三个部分: 最低,代表,最高.看图: 图的意义与那个帖子类似: 红色是原始数据,绿色是用SVM拟合的数据,下面的是归一化的数据,调试用的. =====low========= low.jpg mse = 18.7764 r = 0.9960 =====R========== | R.jpg | mse = 9.1019 r = 0.9980 =====up========= up.jpg | mse = 8.4657 r = 0.9982 ============================= 利用上面训练得到的模型对于从２０号开始对于未来五天内（２０，２１，２４，２５，２６）开盘指数的变化范围的预测是: [2505.6,2951.8,3204.8] 所表示的意义是: ２０，２１，２４，２５，２６这五天内开盘数的变化范围为 2505.6到3204.8,且五日内平均水平大概为2951.8. 由于20号的开盘指数已知为:20号的实际开盘是2798.4 验证一下是在上面的范围内的. ２１，２４，２５，２６可以每天验证一下看看这个模型预测的怎么样... [不一定准哈,我就是做了个小探索.hehe.OO,要是准了.咱完后就靠这个模型天天预测大盘.炒股就成.了.so.......] 且20号往前五日[13,14,17,18,19]的变化范围是[2796.3 3138.2 3380.2] 这样比较起来说明:[2505.6,2951.8,3204.8] vs [2796.3 3138.2 3380.2] 趋势预测: 20号后面五日内的开盘数整体会比前五日有所降低.down.. 代码如下:[信息粒化的我没贴出来,但接口给了,其他的我都贴上] ====FIG_SVM_sh.m=====%FIG SVM script by faruto to predict trend of the index of Shanghai 09.8.21 %Email:farutoliyang@gmail.com QQ:516667408 http://blog.sina.com.cn/faruto %www.ilovematlab.cn load sh_8_19; TS = sh_open'; figure; plot; legend'); grid on; len = length; win_num = floor; [low,R,up]=FIG_D; % figure; % plot; % legend; % grid on; % figure; % plot; % legend; % grid on; % figure; % plot; % legend; % grid on; [pre_low,acc_low,model_low,ps_low] = SVM_regression; [pre_up,acc_up,model_up,ps_up] = SVM_regression; [pre_R,acc_R,model_R,ps_R] = SVM_regression; prlow = svmpredict; prlow = mapminmax prup = svmpredict; prup = mapminmax prR = svmpredict; prR = mapminmax 复制代码==========SVM_regression.m========================function [predict,accuracy,model,ps] = SVM_regression %by faruto 09.8.21 %Email:farutoliyang@gmail.com QQ:516667408 http://blog.sina.com.cn/faruto %www.ilovematlab.cn if nargin < 4 cmax = 10; gmax = 10; end ts = TS'; [n,m] = size; figure; hold on; grid on; plot; time = 1:n; time = time'; [tsy,ps] = mapminmax; ps.ymin = ymin; ps.ymax = ymax; [tsy,ps] = mapminmax; ts_again = mapminmax; tsy = tsy'; ts_again = ts_again'; plot; plot; mse = 10^7; for log2c = -cmax:cmax, for log2g = -gmax:gmax, cmd = ['-v 3 -c ', num2str, ' -g ', num2str , ' -s 3 -p 0.4 -n 0.1']; cv = svmtrain; if , mse = cv; bestc = 2^log2c; bestg = 2^log2g; end end end fprintf\n',bestc, bestg, mse); cmd = ['-c ', num2str, ' -g ', num2str , ' -s 3 -p 0.4 -n 0.1']; model = svmtrain; % model = svmtrain; [predict,accuracy] = svmpredict; predict = mapminmax; plot; 复制代码测试数据,代码打包.要的拿去[信息粒化的代码没有]: FIG_SVM_sh.rar

这段代码是定义了一些变量和初始值，具体含义如下： - gen：表示当前遗传算法的代数，初始化为1。 - v：表示每个个体的变量值，是一个NIND*NVAR的矩阵。 - BestCVaccuracy：表示当前最优的交叉验证准确率，初始化为0。 - Bestc：表示当前最优的惩罚因子C的值，初始化为0。 - Bestg：表示当前最优的核函数参数g的值，初始化为0。需要注意的是，这段代码中的ga_option是某个遗传算法库或者程序中的一个结构体或者类，定义了一些遗传算法的参数。

阅读全文

gen = 1; v = ga_option.v; BestCVaccuracy = 0; Bestc = 0; Bestg = 0;

相关推荐

遗传优化向量机.rar_优化遗传算法_参数优化_支持向量机_遗传算法优化_遗传算法工具箱

Jetico BestCrypt虚拟磁盘加密v9.03.15.0直装破解版

libsvm3-2.1和heart_scale.mat

9.MATELB编程 LIBSVM参数实例详解.zip

ecg数据编码报告1

cg = bs2rv(Chrom,FieldID); for nind = 1:NIND cmd = ['-v ',num2str(v),' -c ',num2str(cg(nind,1)),' -g ',num2str(cg(nind,2))]; ObjV(nind,1) = svmtrain(train_label,train_data,cmd); end [BestCVaccuracy,I] = max(ObjV); Bestc = cg(I,1); Bestg = cg(I,2);什么意思

在遗传算法中bestg和bestc的关系

cmd = ['-c ',num2str(bestc),' -g ',num2str(bestg)]; model = svmtrain(TrainLabel, TrainData, cmd);是什么意思

void bfs() { int j; NodeType e, e1; priority_queue<NodeType>qu; //定义队列 memset(e.x, 0, sizeof(e.x)); //初始化根节点的x值 memset(e.worker, 0, sizeof(e.worker)); //初始化根节点的worker e.i = 0; e.cost = 0; bound(e); //求根节点的lb e.no = total++

在遗传算法中bestc是干嘛的

向量机和遗传算法优化结构参数MATLAB代码，先导入数据并归一化处理，支持向量机用svmpredict和svmtrain，遗传算法用ga

遗传算法与支持向量机联合进行结构优化设计的MATLAB代码，其中遗传算法用ga函数，支持向量机用svmtrain和svmpredict函数，向量机c参数和g参数用meshgrid函数优化；结构参数有4个，优化的目标为求4个参数的组合使穿深最大

泰迪杯 ： 基于 python 实现 运输车辆安全驾驶行为的分析

最新推荐

LIBSVM工具箱下载地址，LIBSVM-FarutoUitimate工具箱下载地址

设法设计与分析--旅行商问题

泰迪杯 ： 基于 python 实现 运输车辆安全驾驶行为的分析

基于Python和Opencv的车牌识别系统实现

管理建模和仿真的文件

网络隔离与防火墙策略：防御网络威胁的终极指南

在密码学中，对称加密和非对称加密有哪些关键区别，它们各自适用于哪些场景？

我的代码小部件库：统计、MySQL操作与树结构功能

"互动学习：行动中的多样性与论文攻读经历"

网络测试与性能评估：准确衡量网络效能的科学方法

泰迪杯：基于 python 实现运输车辆安全驾驶行为的分析

泰迪杯：基于 python 实现运输车辆安全驾驶行为的分析