核极限学习机(KELM)的分类预测,多特征输入模型。多特征输入单输出的二分类及多分类模型。程序内注释详细,直接替换数据就可以用。程序语言为matlab,程序可出分类效果图,迭代优化图,混淆矩阵 | 您所在的位置:网站首页 › matlab矩阵图 › 核极限学习机(KELM)的分类预测,多特征输入模型。多特征输入单输出的二分类及多分类模型。程序内注释详细,直接替换数据就可以用。程序语言为matlab,程序可出分类效果图,迭代优化图,混淆矩阵 |
warning off % 关闭报警信息 close all % 关闭开启的图窗 clear % 清空变量 clc % 清空命令行 addpath path_kelm %% 导入数据 res = xlsread('数据集.xlsx'); %% 划分训练集和测试集% P_train = res(1: 250, 1: 12)'; T_train = res(1: 250, 13)'; M = size(P_train, 2); P_test = res(251: end, 1: 12)'; T_test = res(251: end, 13)'; N = size(P_test, 2); %% 对训练集更改标签 T_train1=T_train; T_train=ind2vec(T_train); %% 对测试集更改标签 T_test1=T_test; T_test=ind2vec(T_test); N = size(P_test, 2); % 测试集样本数 M = size(P_train, 2); % 训练集样本数 %% 数据归一化 [p_train, ps_input] = mapminmax(P_train, 0, 1); p_test = mapminmax('apply', P_test, ps_input); %% 参数设置 pop=10; %种群数量 Max_time=60; % 设定最大迭代次数 dim = 2;% 维度为2,即优化两个参数,正则化系数 C 和核函数参数 S 智能算法及其模型预测 |
CopyRight 2018-2019 实验室设备网 版权所有 |