分类预测 | Matlab基于GWO-RBF灰狼算法优化径向基神经网络的分类预测

分类预测 | Matlab基于GWO-RBF灰狼算法优化径向基神经网络的分类预测

目录

分类效果





基本介绍

Matlab基于GWO-RBF灰狼算法优化径向基神经网络的分类预测。基于灰狼算法(GWO)优化径向基神经网络(GWO-RBF)的分类预测。

matlab代码,优化参数为扩散速度,采用交叉验证。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,混淆矩阵图。

程序设计

clike 复制代码
%%  参数优化
[Best_score,Best_pos,curve]=GWO(pop,Max_iter,lb,ub,dim,fobj); %开始优化
    
%%  创建网络
rbf_spread = Best_pos;                           % 径向基函数的扩展速度
net = newrbe(p_train, t_train, rbf_spread);

%%  仿真测试
t_sim1 = sim(net, p_train);
t_sim2 = sim(net, p_test );

%%  数据反归一化
T_sim1 = vec2ind(t_sim1);
T_sim2 = vec2ind(t_sim2);

%%  性能评价
error1 = sum((T_sim1 == T_train)) / M * 100 ;
error2 = sum((T_sim2 == T_test )) / N * 100 ;

%%  网络结构
view(net)
%% 迭代
figure
plot(1 : length(curve), curve,'linewidth',1.5);
title('GWO-RBF', 'FontSize', 10);
xlabel('迭代次数', 'FontSize', 10);
ylabel('适应度值', 'FontSize', 10);
grid off
%%  绘图
figure
plot(1: M, T_train, 'r-*', 1: M, T_sim1, 'b-o', 'LineWidth', 1)
legend('真实值', 'GWO-RBF预测值')
xlabel('预测样本')
ylabel('预测结果')
string = {'训练集预测结果对比'; ['准确率=' num2str(error1) '%']};
title(string)
grid

figure
plot(1: N, T_test, 'r-*', 1: N, T_sim2, 'b-o', 'LineWidth', 1)
legend('真实值', 'GWO-RBF预测值')
xlabel('预测样本')
ylabel('预测结果')
string = {'测试集预测结果对比'; ['准确率=' num2str(error2) '%']};
title(string)
grid

%%  混淆矩阵
if flag_conusion == 1

    figure
    cm = confusionchart(T_train, T_sim1);
    cm.Title = 'Confusion Matrix for Train Data';
    cm.ColumnSummary = 'column-normalized';
    cm.RowSummary = 'row-normalized';
    
    figure
    cm = confusionchart(T_test, T_sim2);
    cm.Title = 'Confusion Matrix for Test Data';
    cm.ColumnSummary = 'column-normalized';
    cm.RowSummary = 'row-normalized';
end

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/128440985?spm=1001.2014.3001.5502

[2] https://blog.csdn.net/kjm13182345320/article/details/128368295?spm=1001.2014.3001.5502

相关推荐
机器学习之心3 个月前
回归预测 | Matlab实现GWO-BP-Adaboost灰狼算法优化BP神经网络集成学习多输入单输出回归预测
算法·matlab·回归·bp神经网络·灰狼算法优化·gwo-bp-adaboost
机器学习之心7 个月前
分类预测 | Matlab实现OOA-BP鱼鹰算法优化BP神经网络数据分类预测
分类预测·ooa-bp·鱼鹰算法优化bp神经网络
机器学习之心7 个月前
分类预测 | Matlab实现ABC-LSSVM人工蜂群算法优化最小二乘支持向量机数据分类预测
分类预测·最小二乘支持向量机·人工蜂群算法优化·abc-lssvm
机器学习之心8 个月前
SCI一区 | Matlab实现GWO-TCN-BiGRU-Attention灰狼算法优化时间卷积双向门控循环单元融合注意力机制多变量时间序列预测
attention·tcn-bigru·时间卷积双向门控循环单元·多变量时间序列预测·灰狼算法优化·gwo-tcn-bigru
机器学习之心9 个月前
分类预测 | Matlab实现KPCA-ISSA-LSSVM基于核主成分分析和改进的麻雀搜索算法优化最小二乘支持向量机故障诊断分类预测
分类预测·最小二乘支持向量机·kpca-issa-lssvm·核主成分分析·改进的麻雀搜索算法优化
随风飘摇的土木狗10 个月前
【MATLAB第96期】基于MATLAB的SVM(线性)、SVM(高斯)、决策树、KNN等机器学习算法回归及分类Boost集成学习模型(含不同模型权重)
机器学习·matlab·分类预测·集成学习·回归预测·boost·融合
随风飘摇的土木狗1 年前
【MATLAB第88期】基于MATLAB的6种神经网络(ANN、FFNN、CFNN、RNN、GRNN、PNN)多分类预测模型对比含交叉验证
rnn·神经网络·分类预测·grnn·ffnn·cfnn·pnn
随风飘摇的土木狗1 年前
【MATLAB第87期】#源码分享 | 基于MATLAB的增量神经系统网络SFAM多输入单输出多分类预测模型
matlab·分类预测·多输入单输出·多分类·多标签·sfam·fam
随风飘摇的土木狗1 年前
【MATLAB第86期】基于matlab的Catboost多输入单输出分类预测模型 catboost-1.1.1版本
matlab·分类预测·多分类·多标签·catboost