鱼鹰算法优化

机器学习之心

高创新 | Matlab实现OOA-CNN-GRU-Attention鱼鹰算法优化卷积门控循环单元注意力机制多变量回归预测1.Matlab实现OOA-CNN-GRU-Attention鱼鹰算法优化卷积门控循环单元注意力机制多变量回归预测； 2.运行环境为Matlab2021b； 3.data为数据集，excel数据，输入多个特征，输出单个变量，多变量回归预测； main.m为主程序，运行即可,所有文件放在一个文件夹； 4.命令窗口输出R2、MSE、MAE、MAPE多指标评价； 5.鱼鹰算法优化学习率，隐藏层节点，正则化系数； 6.注意力机制模块： SEBlock（Squeeze-and-Excitation Block）是一

机器学习之心

SCI一区 | Matlab实现OOA-TCN-BiGRU-Attention鱼鹰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1.基于OOA-TCN-BiGRU-Attention鱼鹰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，要求Matlab2023版以上，自注意力机制，一键单头注意力机制替换成多头注意力机制； 2.输入多个特征，输出单个变量，考虑历史特征的影响，多变量时间序列预测； 3.data为数据集，main.m为主程序，运行即可,所有文件放在一个文件夹； 4.命令窗口输出R2、MSE、MAE、MAPE和RMSE多指标评价； 5.优化学习率，神经元个数，注意力机制的键值, 正则化参数。

机器学习之心

回归预测 | Matlab基于OOA-LSSVM鱼鹰算法优化最小二乘支持向量机的数据多输入单输出回归预测Matlab基于OOA-LSSVM鱼鹰算法优化最小二乘支持向量机的数据多输入单输出回归预测 1.data为数据集，输入6个特征，输出一个变量。 2.main.m为程序主文件，其余为函数文件无需运行。 3.鱼鹰算法优化最小二乘支持向量机,优化RBF 核函数gam和sig。 4.注意程序和数据放在一个文件夹，运行环境为Matlab2018及以上. 5.命令窗口输出R2、MSE、MAE、MAPE和MBE多指标评价； 6.程序语言为matlab，程序可出预测效果图，迭代优化图，相关分析图; 7.代码特点：参数化编

机器学习之心

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1.Matlab实现OOA-CNN-SVM鱼鹰算法优化卷积支持向量机分类预测（完整源码和数据) 2.优化参数为：学习率，批量处理大小，正则化参数。 3.图很多，包括分类效果图，混淆矩阵图。 4．附赠案例数据可直接运行main一键出图～注意程序和数据放在一个文件夹，运行环境为Matlab2020及以上。 5.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。 6.输入多个特征，分四类。

机器学习之心

分类预测 | Matlab实现OOA-SVM鱼鹰算法优化支持向量机的多变量输入数据分类预测1.Matlab实现OOA-SVM鱼鹰算法优化支持向量机的多变量输入数据分类预测（完整源码和数据) 优化支持向量机核函数参数c和g。 2.多特征输入单输出的二分类及多分类模型。运行环境matlab2018。 3.语言为matlab，含分类效果图，迭代优化图，混淆矩阵图。 4.直接替换数据即可使用，保证程序可正常运行。运行环境MATLAB2018及以上。 5.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。