0
点赞
收藏
分享

微信扫一扫

分类预测 | Matlab实现NGO-KELM北方苍鹰算法优化核极限学习机分类预测


分类预测 | Matlab实现NGO-KELM北方苍鹰算法优化核极限学习机分类预测


目录

  • 分类预测 | Matlab实现NGO-KELM北方苍鹰算法优化核极限学习机分类预测
  • 分类效果
  • 基本描述
  • 程序设计
  • 参考资料


分类效果

分类预测 | Matlab实现NGO-KELM北方苍鹰算法优化核极限学习机分类预测_NGO-KELM

分类预测 | Matlab实现NGO-KELM北方苍鹰算法优化核极限学习机分类预测_北方苍鹰算法优化_02


分类预测 | Matlab实现NGO-KELM北方苍鹰算法优化核极限学习机分类预测_核极限学习机_03


分类预测 | Matlab实现NGO-KELM北方苍鹰算法优化核极限学习机分类预测_NGO-KELM_04


分类预测 | Matlab实现NGO-KELM北方苍鹰算法优化核极限学习机分类预测_北方苍鹰算法优化_05

基本描述

1.Matlab实现NGO-KELM北方苍鹰算法优化核极限学习机分类预测(完整源码和数据)
2.北方苍鹰算法优化核极限学习机(NGO-KELM)分类预测
3.优化参数为正则化系数C和核函数参数G。
4.自带数据为mat数据,多输入,单输出,多分类。程序可出分类效果图,迭代图,混淆矩阵图。
5.直接替换数据即可使用,保证程序可正常运行。北方苍鹰算法、核极限学习机。运行环境MATLAB2018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

  • 完整程序和数据获取方式(资源处直接下载)Matlab实现NGO-KELM北方苍鹰算法优化核极限学习机分类预测

%% 获取最优正则化系数 C 和核函数参数 S
Regularization_coefficient = Best_score(1);
Kernel_para = Best_score(2);
Kernel_type = 'rbf';
%% 训练
[TrainOutT,OutputWeight] = kelmTrain(P_train,T_train,Regularization_coefficient,Kernel_type,Kernel_para);
%% 训练集预测
InputWeight = OutputWeight;
[TestOutT] = kelmPredict(P_train,InputWeight,Kernel_type,Kernel_para,P_test);
%% 训练集正确率
errorTrain = TrainOutT - T_train;
accuracyTrain = sum(errorTrain == 0)/length(T_train);

举报

相关推荐

0 条评论