tic % 計時
%% 清空環境匯入資料
clear
clcclose all
load wndspd % 示例資料為風速（時間序列）資料，共144個樣本
% 訓練/測試資料準備（用前3天**後一天）,用前100天做測試資料
train_input(1,:)=wndspd(1
:97);
train_input(2,:)=wndspd(2
:98);
train_input(3,:)=wndspd(3
:99);
train_output=[wndspd(4
:100)]';
test_input(1,:)=wndspd(101:end-3);
test_input(2,:)=wndspd(102:end-2);
test_input(3,:)=wndspd(103:end-1);
test_output=[wndspd(104:end)]';
[input_train,rule1]=mapminmax(train_input);
[output_train,rule2]=mapminmax(train_output);
%% cs-svr
time=20;
n=20; % n為巢穴數量
pa=0.25; % 被宿主發現的概率
dim = 2; % 需要尋優的引數個數
lb=[0.01,0.01]; % 設定引數下界
ub=[100,100]; % 設定引數上界
% 隨機初始化巢穴
nest=zeros(n,dim);
for i=1
:n % 遍歷每個巢穴
nest(i,:)=lb+(ub-lb).*rand(size(lb)); % 對每個巢穴，隨機初始化引數
endfitness=ones(1,n); % 目標函式值初始化
[fmin,bestnest,nest,fitness]=get_best_nest(nest,nest,fitness,input_train,output_train,input_test,output_test); % 找出當前最佳巢穴和引數
%% 迭代開始
for t=1:time
new_nest=get_cuckoos(nest,bestnest,lb,ub); % 保留當前最優解，尋找新巢穴
[~,~,nest,fitness]=get_best_nest(nest,new_nest,fitness,input_train,output_train,input_test,output_test); % 找出當前最佳巢穴和引數
new_nest=empty_nests(nest,lb,ub,pa); % 發現並更新劣質巢穴
% 找出當前最佳巢穴和引數
[fnew,best,nest,fitness]=get_best_nest(nest,new_nest,fitness,input_train,output_train,input_test,output_test);
if fnewend
end%% 列印引數選擇結果
bestobjfun=fmin;
bestc=bestnest(1);
bestg=bestnest(2);
disp('列印引數選擇結果');
str=sprintf('best c = %g，best g = %g',bestc,bestg);
disp(str)
%% 利用回歸**分析最佳的引數進行svm網路訓練
cmd_cs_svr=['-s 3 -t 2
',' -c ',num2str(bestnest(1)),' -g ',num2str(bestnest(2))];
model_cs_svr=svmtrain(output_train',input_train',cmd_cs_svr); % svm模型訓練
%% svm網路回歸**
[output_test_pre,acc]=svmpredict(output_test',input_test',model_cs_svr); % svm模型**及其精度
test_pre=mapminmax('reverse',output_test_pre',rule2);
test_pre = test_pre';
err_pre=wndspd(104:end)-test_pre;
figure('
name
','測試資料殘差圖')
set(gcf,'unit','centimeters','position',[0.5,5,30,5])
plot(err_pre,'*-');
figure('
name
','原始-**圖')
plot(test_pre,'*r-');hold on;plot(wndspd(104:end),'bo-');
legend('**','原始')
set(gcf,'unit','centimeters','position',[0.5,13,30,5])
result=[wndspd(104:end),test_pre];
mae=mymae(wndspd(104:end),test_pre)
mse=mymse(wndspd(104:end),test_pre)
mape=mymape(wndspd(104:end),test_pre)
%% 顯示程式執行時間
toc
布穀鳥過濾器
布隆過濾器有exists方法通過對位陣列的hash計算判斷某元素是否在集合中，實現去重功能。但布隆過濾器有一下缺點 不支援反向刪除元素 一旦對位陣列進行了賦值，無法將其刪除。查詢效能弱 布隆過濾器使用多個hash函式計算位圖多個不同位點，由於多個位點在記憶體中不連續，cpu定址花銷較大。空間利用率低...
布穀鳥雜湊的學習筆記1
布穀鳥雜湊介面 public inte ce hashfamily布穀鳥雜湊的類的框架 public class cuckoohashtable public cuckoohashtable hashfamily hashfunctions,int size private void allocat...
redis快取穿透 布隆過濾器和布穀鳥過濾器
快取穿透就是查詢一次不存在的資料，因為不存在，所以也不會往redis裡寫值，這樣一直查不存在的資料就會導致一直查資料庫，redis並沒有起到作用。解決這個可以讓redis快取乙個空值或者快取乙個特殊的字串，但如果別人故意每次用不同的不存在的值惡意攻擊的話，即使快取了空值也還是沒有，這就可以用布隆過濾...