北京东城网站建设,平面设计素材网站大全,广安发展建设集团公司网站,学编程用什么笔记本电脑比较好分类预测 | MATLAB实现GAPSO-BP遗传算法组合粒子群算法优化BP神经网络多输入分类预测 目录 分类预测 | MATLAB实现GAPSO-BP遗传算法组合粒子群算法优化BP神经网络多输入分类预测预测效果基本介绍模型描述程序设计参考资料 预测效果 基本介绍 1.分类预测 | MATLAB实现GAPSO-BP遗…分类预测 | MATLAB实现GAPSO-BP遗传算法组合粒子群算法优化BP神经网络多输入分类预测 目录 分类预测 | MATLAB实现GAPSO-BP遗传算法组合粒子群算法优化BP神经网络多输入分类预测预测效果基本介绍模型描述程序设计参考资料 预测效果 基本介绍 1.分类预测 | MATLAB实现GAPSO-BP遗传算法组合粒子群算法优化BP神经网络多输入分类预测运行环境Matlab2018b及以上 2.可视化展示分类准确率可在下载区获取数据和程序内容。 3.输入15个特征输出4类标签。 模型描述 遗传算法在解决复杂的全局优化问题时表现较为优秀但处理局部搜索问题则不如粒子群算法。而粒子群算法则更适用于高维度、多极值、连续问题的优化。因此结合这两种算法可以互补优势提高优化性能。 程序设计
完整程序和数据获取方式1同等价值程序兑换完整程序和数据获取方式2私信博主回复 GAPSO-BP遗传算法组合粒子群算法优化BP神经网络多输入分类预测获取。
%% 划分训练集和测试集
P_train res(1: num_train_s, 1: f_);
T_train res(1: num_train_s, f_ 1: end);
M size(P_train, 2);P_test res(num_train_s 1: end, 1: f_);
T_test res(num_train_s 1: end, f_ 1: end);
N size(P_test, 2);%% 数据归一化
[p_train, ps_input] mapminmax(P_train, 0, 1);
p_test mapminmax(apply, P_test, ps_input);[t_train, ps_output] mapminmax(T_train, 0, 1);
t_test mapminmax(apply, T_test, ps_output);
%% 个体极值和群体极值
[fitnesszbest, bestindex] min(fitness);
zbest pop(bestindex, :); % 全局最佳
gbest pop; % 个体最佳
fitnessgbest fitness; % 个体最佳适应度值
BestFit fitnesszbest; % 全局最佳适应度值%% 迭代寻优
for i 1 : maxgenfor j 1 : sizepop% 速度更新V(j, :) V(j, :) c1 * rand * (gbest(j, :) - pop(j, :)) c2 * rand * (zbest - pop(j, :));V(j, (V(j, :) Vmax)) Vmax;V(j, (V(j, :) Vmin)) Vmin;% 种群更新pop(j, :) pop(j, :) 0.2 * V(j, :);pop(j, (pop(j, :) popmax)) popmax;pop(j, (pop(j, :) popmin)) popmin;% 自适应变异pos unidrnd(numsum);if rand 0.95pop(j, pos) rands(1, 1);end% 适应度值fitness(j) fun(pop(j, :), hiddennum, net, p_train, t_train);endfor j 1 : sizepop% 个体最优更新if fitness(j) fitnessgbest(j)gbest(j, :) pop(j, :);fitnessgbest(j) fitness(j);end% 群体最优更新 if fitness(j) fitnesszbestzbest pop(j, :);fitnesszbest fitness(j);endendBestFit [BestFit, fitnesszbest];
end
————————————————
版权声明本文为CSDN博主「机器学习之心」的原创文章遵循CC 4.0 BY-SA版权协议转载请附上原文出处链接及本声明。
原文链接https://blog.csdn.net/kjm13182345320/article/details/130462492
参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/129679476?spm1001.2014.3001.5501 [2] https://blog.csdn.net/kjm13182345320/article/details/129659229?spm1001.2014.3001.5501 [3] https://blog.csdn.net/kjm13182345320/article/details/129653829?spm1001.2014.3001.5501
