【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
%}
clc
clear all
close all
addpath(genpath(pwd))
% sinc funciton
load sinc_data
trainData = x;
trainLabel = y;
testData = xt;
testLabel = yt;
% kernel function
kernel = Kernel('type', 'gaussian', 'gamma', 0.1);
% parameter
parameter = struct( 'display', 'on',...
'type', 'RVR',...
'kernelFunc', kernel);
rvm = BaseRVM(parameter);
% RVM model training, testing, and visualization
rvm.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.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。