回归预测 | Matlab实现SO-CNN-SVM蛇群算法优化卷积神经网络-支持向量机的多输入单输出回归预测

Matlab实现SO-CNN-SVM蛇群算法优化卷积神经网络-支持向量机的多输入单输出回归预测

目录

• • Matlab实现SO-CNN-SVM蛇群算法优化卷积神经网络-支持向量机的多输入单输出回归预测
  • • 效果一览
    • 基本介绍
    • 程序设计
    • 参考资料

效果一览

基本介绍

1.SO-CNN-SVM蛇群算法优化卷积神经网络-支持向量机的多变量回归预测 可直接运行Matlab;

2.评价指标包括: R2、MAE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。要求2021版本及以上。

3.蛇群算法SO优化的参数为:CNN的批处理大小、学习率、正则化系数，能够避免人工选取参数的盲目性，有效提高其预测精度。

4.main.m为主程序，其他为函数文件，无需运行，data为数据，多输入单输出，数据回归预测，输入7个特征，输出1个变量，直接替换Excel数据即可用!注释清晰，适合新手小白~

程序设计

• 完整程序和数据获取方式：私信博主回复Matlab实现SO-CNN-SVM蛇群算法优化卷积神经网络-支持向量机的多输入单输出回归预测；

% The Whale Optimization Algorithm
function [Best_Cost,Best_pos,curve]=WOA(pop,Max_iter,lb,ub,dim,fobj)

% initialize position vector and score for the leader
Best_pos=zeros(1,dim);
Best_Cost=inf; %change this to -inf for maximization problems


%Initialize the positions of search agents
Positions=initialization(pop,dim,ub,lb);

curve=zeros(1,Max_iter);

t=0;% Loop counter

% Main loop
while t<Max_iter
    for i=1:size(Positions,1)
        
        % Return back the search agents that go beyond the boundaries of the search space
        Flag4ub=Positions(i,:)>ub;
        Flag4lb=Positions(i,:)<lb;
        Positions(i,:)=(Positions(i,:).*(~(Flag4ub+Flag4lb)))+ub.*Flag4ub+lb.*Flag4lb;
        
        % Calculate objective function for each search agent
        fitness=fobj(Positions(i,:));
        
        % Update the leader
        if fitness<Best_Cost % Change this to > for maximization problem
            Best_Cost=fitness; % Update alpha
            Best_pos=Positions(i,:);
        end
        
    end
    

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/129036772?spm=1001.2014.3001.5502

[2] https://blog.csdn.net/kjm13182345320/article/details/128690229