做网站一定要买服务器么,华为手机价格大全,网站如何添加js代码,电脑编程软件分类预测 | MATLAB实现MTBO-CNN多输入分类预测 目录 分类预测 | MATLAB实现MTBO-CNN多输入分类预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 1.MATLAB实现MTBO-CNN多输入分类预测 2.代码说明#xff1a;基于登山队优化算法#xff08;MTBO#xff09;、卷积神经…分类预测 | MATLAB实现MTBO-CNN多输入分类预测 目录 分类预测 | MATLAB实现MTBO-CNN多输入分类预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 1.MATLAB实现MTBO-CNN多输入分类预测 2.代码说明基于登山队优化算法MTBO、卷积神经网络CNN的数据分类预测程序。 程序平台要求于Matlab 2021版及以上版本。 特点 通过登山队优化算法优化学习率、卷积核大小、卷积核个数这3个关键参数以测试集精度最高为目标函数。绘制损失、精度迭代变化图测试对比散点图、混淆矩阵图适应度曲线若首轮精度最高则适应度曲线为水平直线。展示精确度、召回率、精确率、F1分数等评价指标。可直接替换数据使用EXCEL表格导入无需大幅修改程序。代码内部有详细注释便于理解程序运行。 登山队优化算法(Mountaineering Team-Based OptimizationMTBO)是由Faridmehr于2023年3月提出来的。该算法基于人类行为协调的智力和环境进化。登山队由多名登山者组成领队经验丰富且专业其目标是征服该地区的山顶山顶被认为是优化问题的最终全局解。 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 MATLAB实现MTBO-CNN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
