年栾洪全单页做网站教程,wordpress 5.0.2企业站主题,医疗网站开发,做只在自己电脑上的网站回归预测 | Matlab实现NGO-HKELM北方苍鹰算法优化混合核极限学习机多变量回归预测 目录 回归预测 | Matlab实现NGO-HKELM北方苍鹰算法优化混合核极限学习机多变量回归预测效果一览基本介绍程序设计参考资料 效果一览 基本介绍 1.Matlab实现NGO-HKELM北方苍鹰算法优化混合核极限…回归预测 | Matlab实现NGO-HKELM北方苍鹰算法优化混合核极限学习机多变量回归预测 目录 回归预测 | Matlab实现NGO-HKELM北方苍鹰算法优化混合核极限学习机多变量回归预测效果一览基本介绍程序设计参考资料 效果一览 基本介绍 1.Matlab实现NGO-HKELM北方苍鹰算法优化混合核极限学习机多变量回归预测完整源码和数据优化的参量分别为正则化系数Crbf核函数的核系数S多项式核函数的两个核系数poly1和poly2以及核权重系数w。 2.运行环境为Matlab2021b 3.excel数据集输入多个特征输出单个变量多变量回归预测预测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、MAE、 MBE、MAPE、 RMSE多指标评价 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 完整源码和数据获取方式(资源出下载)Matlab实现NGO-HKELM北方苍鹰算法优化混合核极限学习机多变量回归预测。
%% 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(data.xlsx,sheet1,A2:H104);%% 数据分析
num_size 0.7; % 训练集占数据集比例
outdim 1; % 最后一列为输出
num_samples size(res, 1); % 样本个数
res res(randperm(num_samples), :); % 打乱数据集不希望打乱时注释该行
num_train_s round(num_size * num_samples); % 训练集样本个数
f_ size(res, 2) - outdim; % 输入特征维度%% 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);f_ size(P_train, 1); % 输入特征维度%% 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);%% 参数设置
%% 获取最优正则化系数 C 和核函数参数 S
Kernel_type1 rbf; %核函数类型1
Kernel_type2 poly; %核函数类型2%% 适应度函数
fobj(X)fobj(X,p_train,t_train,p_test,t_test,Kernel_type1,Kernel_type2);%% 优化算法参数设置
pop10;
Max_iter20;
ub[20 10^(3) 10^(3) 10 1]; %优化的参量分别为正则化系数Crbf核函数的核系数S(接下)
lb[1 10^(-3) 10^(-3) 1 0]; %多项式核函数的两个核系数poly1和poly2以及核权重系数w
dim5;
%% 优化算法
参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/129215161 [2] https://blog.csdn.net/kjm13182345320/article/details/128105718
