RVM1.rar(相关向量机RVM)，基于相关向量机的变压器故障识别

clc clear close all [num,txt,raw] = xlsread('a.xlsx') ; txt(1,:) = []; tr = {'正常','低能放电','高能放电','中低温过热','高温过热'}; for ii = 1:length(txt) for jj = 1:length(tr) if strcmp(txt{ii,6},tr{jj}) num1(ii,1) = jj; end end end %% parameters N=300; % 训练集样本数 Nts=1000; % 测试集/预测集样本数 %% data generation and display % [x,t]=datagen(N); [coeff,score,latent,tsquared,explained,mu] = pca(num(1:387,:)); x = score(1:300,1); t = num1(1:300,1); figure(1); hold on; plot(t,'k*'); %% RVM K=RBFfun(x,x); %生成K矩阵：N*(N+1) % 随机初始化 alpha（系数w的先验方差倒数） 和 % beta（样本点误差的方差倒数，p(t|w,x,1/beta）=N(t|y(x),beta)=N(t|w*K,1/beta) m=size(K,2); alp=rand(1,m); beta=rand(); ee = zeros(100,1) ; best = inf; for ii=1:100 sig=pinv(diag(alp)+beta*(K'*K)); % 系数w的后验方差矩阵Sigma mu=sig*K'*t*beta; % 系数w的后验均值mu/u gamma=1-alp.*diag(sig)'; alp_old=alp; beta_old=beta; idx=abs(alp)<1e3; % 部分alp会趋向于无穷大，对应的mu会趋向于会向于0，对于这部分alp不再更新 alp(idx)=gamma(idx)./(mu(idx)'.^2); beta=(N-sum(gamma))/((t-K*mu)'*(t-K*mu)); % 判断收敛则退出循环 tmp_err=max(abs(alp(idx)-alp_old(idx))./abs(alp(idx)))+abs(beta-beta_old)/abs(beta); if tmp_err<0.1, break; end; if best>tmp_err best = tmp_err; end ee(ii) = best; end; % 计算并呈现训练集的预测结果，注意，这里在计算预测结果时仅使用了有效的mu值，即不为零的mu值 tpred=K(:,idx)*mu(idx); for ii = 1:length(tpred) if tpred(ii)>4.1 tpred(ii) = 5; else tpred(ii) = round(tpred(ii)); end end plot(tpred,'ro'); xts = score(301:387,1); tts = num1(301:387,1); figure (2); plot(tts,'*'); hold on; xtsK=RBFfun(xts,x); ttspred=xtsK(:,idx)*mu(idx); for ii = 1:length(ttspred) if ttspred(ii)>4.1 ttspred(ii) = 5; elseif ttspred(ii)>2.5 ttspred(ii) = 3; elseif ttspred(ii)>1.8 ttspred(ii) = 2; else ttspred(ii) = 1; end end plot(ttspred,'o'); hold off title('测试图'); xlabel('x'); ylabel('y'); legend('期望数据','预测数据'); figure (3) plot(ee,'k--') xlabel('迭代次数') ylabel('误差')