【RVM预测】基于相关向量机RVM实现数据预测附matlab代码
1 简介
目前常用的一些基本的故障诊断,故障预测方法都将大样本数据作为基础,但在实际问题中常常能得到的故障数据都属于小样本类型.传统的故障诊断,故障预测方法已不适于用来解决小样本类型的故障问题.相关向量机(Relevance Vector Machine,简称RVM)是新提出的以支持向量机(Support Vector Machine,简称SVM)为基础的模型,该模型更适应于解决小样本问题.已经被应用于语音及图像处理,医学诊断,模式分类等很多领域.
2 部分代码
%{A demo for regression using RVM%}clcclear allclose alladdpath(genpath(pwd))% sinc funcitonload sinc_datatrainData = x;trainLabel = y;testData = xt;testLabel = yt;% kernel functionkernel = Kernel('type', 'gaussian', 'gamma', 0.1);% parameterparameter = struct( 'display', 'on',...'type', 'RVR',...'kernelFunc', kernel);rvm = BaseRVM(parameter);% RVM model training, testing, and visualizationrvm.train(trainData, trainLabel);results = rvm.test(testData, testLabel);rvm.draw(results)
3 仿真结果
4 参考文献
[1]曹晓霞. 基于相关向量机的小样本故障诊断预测研究[D]. 西安工程大学.