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 | Matlab实现OOA-BP鱼鹰算法优化BP神经网络数据分类预测

目录

分类效果





基本介绍

1.Matlab实现OOA-BP鱼鹰算法优化BP神经网络多特征分类预测(完整源码和数据)

2.数据为多特征分类数据,输入12个特征,分四类;

3.运行环境MATLAB2018b及以上,程序乱码是由于版本不一致导致,可以用记事本打开复制到你的文件。

4.优化BP神经网络的权值和阈值;

5.excel数据,方便替换,运行环境2018及以上。

6.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。

程序设计

clike 复制代码
%%  清空环境变量
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

%%  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);
%% 数据归一化
[p_train, ps_input] = mapminmax(P_train,0,1);
p_test = mapminmax('apply',P_test,ps_input);
t_train = T_train;
t_test  = T_test;





T_sim1 = T_sim1(index_1);
T_sim2 = T_sim2(index_2);
%% 性能评价
error1 = sum((T_sim1' == T_train))/M * 100 ;
error2 = sum((T_sim2' == T_test))/N * 100 ;

%% 优化曲线
figure
plot(curve, 'linewidth',1.5);

xlabel('The number of iterations')
ylabel('Fitness')
grid on;
%%  绘图
figure
plot(1: M, T_train, 'r-*', 1: M, T_sim1, 'b-o', 'LineWidth', 1)
legend('真实值', '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)
xlim([1, M])
grid

figure
plot(1: N, T_test, 'r-*', 1: N, T_sim2, 'b-o', 'LineWidth', 1)
legend('真实值', '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)
xlim([1, N])
grid

%%  混淆矩阵
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';

参考资料

[1] http://t.csdn.cn/pCWSp

[2] https://download.csdn.net/download/kjm13182345320/87568090?spm=1001.2014.3001.5501

[3] https://blog.csdn.net/kjm13182345320/article/details/129433463?spm=1001.2014.3001.5501

相关推荐
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
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·灰狼算法优化·gwo-rbf·径向基神经网络
机器学习之心8 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9 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10 个月前
【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10 个月前
【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10 个月前
【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
机器学习之心1 年前
分类预测 | Matlab实现OOA-CNN-SVM鱼鹰算法优化卷积支持向量机分类预测
分类预测·cnn-svm·鱼鹰算法优化·ooa-cnn-svm·卷积支持向量机
机器学习之心1 年前
分类预测 | Matlab实现SSA-ELM麻雀优化算法优化极限学习机分类预测
分类预测·优化极限学习机·ssa-elm·麻雀优化算法