支持向量机非线性回归通用 MATLAB 源码支持向量机和 BP 神经网络都可以用来做非线性回归拟合,但它们的原理是不相同的，支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。大量仿真证实 ,支持向量机的泛化能力强于 BP网络，而且能避开神经网络的固有缺陷——训练结果不稳定。本源码可以用于线性回归、非线性回归、非线性函数拟合、数据建模、预测、分类等多种应用场合,GreenSim 团队推举您使用。function ［Alpha1,Alpha2，Alpha，Flag，B]=SVMNR(X,Y，Epsilon,C，TKF,Para1,Para2）％%% SVMNR.m% Support Vector Machine for Nonlinear Regression％ All rights reserved％％％ 支持向量机非线性回归通用程序％ GreenSim 团队原创作品，转载请注明% GreenSim 团队长期从事算法设计、代写程序等业务％ 欢迎访问 GreenSim--算法仿真团队→http：//blog.sina。com。cn/greensim% 程序功能：％ 使用支持向量机进行非线性回归,得到非线性函数 y=f（x1，x2，…，xn)的支持向量解析式，% 求解二次规划时调用了优化工具箱的 quadprog 函数。本函数在程序入口处对数据进行了％ ［—1，1］的归一化处理，所以计算得到的回归解析式的系数是针对归一化数据的,仿真测％ 试需使用与本函数配套的 Regression 函数.% 主要参考文献：％ 朱国强，刘士荣等。支持向量机及其在函数逼近中的应用.华东理工大学学报％ 输入参数列表％ X 输入样本原始数据，n×l 的矩阵，n 为变量个数，l 为样本个数% Y 输出样本原始数据,1×l 的矩阵，l 为样本个数％ Epsilon ε 不敏感损失函数的参数，Epsilon 越大，支持向量越少% C 惩处系数，C 过大或过小，泛化能力变差％ TKF Type of Kernel Function 核函数类型% TKF=1 线性核函数,注意：使用线性核函数，将进行支持向量机的线性回归％ TKF=2 多项式核函数% TKF=3 径向基核函数% TKF=4 指数核函数% TKF=5 Sigmoid 核函数% TKF=任意其它值，自定义核函数％ Para1 核函数中的第一个参数% Para2 核函数中的第二个参数% 注：关于核函数参数的定义请见 Regression.m 和 SVMNR。m 内部的定义% 输出参数列表％ Alpha1 α 系数％ Alpha2 α*系数% Alpha 支持向量的加权系数（α－α＊)向量％ Flag 1×l 标记，0 对应非支持向量,1 对应边界支持向量，2 对应标准支持向量％ B 回归方程中的常数项％——---—————...
