临沂做企业网站,漯河网站建设网站建设,wordpress 图片边框,顺义网站建设先用先发#xff01;小样本故障诊断新思路#xff01;Transformer-SVM组合模型多特征分类预测/故障诊断#xff08;Matlab#xff09; 目录 先用先发#xff01;小样本故障诊断新思路#xff01;Transformer-SVM组合模型多特征分类预测/故障诊断#xff08;Matlab#…先用先发小样本故障诊断新思路Transformer-SVM组合模型多特征分类预测/故障诊断Matlab 目录 先用先发小样本故障诊断新思路Transformer-SVM组合模型多特征分类预测/故障诊断Matlab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Transformer-SVM多特征分类预测/故障诊断运行环境Matlab2023b及以上
2.excel数据方便替换输入多个特征分四类可在下载区获取数据和程序内容。
3.图很多包括分类效果图混淆矩阵图。命令窗口输出分类准确率、灵敏度、特异性、曲线下面积、Kappa系数、F值及召回率、精确率、F1分数。
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Matlab2023b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。可在下载区获取数据和程序内容。
6.模型只是提供一个衡量数据集精度的方法因此无法保证替换数据就一定得到您满意的结果。 程序设计
完整源码和数据获取方式私信博主回复Transformer-SVM组合模型多特征分类预测/故障诊断Matlab。
%% 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%% 分析数据
num_class length(unique(res(:, end))); % 类别数Excel最后一列放类别
num_dim size(res, 2) - 1; % 特征维度
num_res size(res, 1); % 样本数每一行是一个样本
num_size 0.7; % 训练集占数据集的比例
res res(randperm(num_res), :); % 打乱数据集不打乱数据时注释该行
flag_conusion 1; % 标志位为1打开混淆矩阵要求2018版本及以上%% 设置变量存储数据
P_train []; P_test [];
T_train []; T_test [];%% 划分数据集
for i 1 : num_classmid_res res((res(:, end) i), :); % 循环取出不同类别的样本mid_size size(mid_res, 1); % 得到不同类别样本个数mid_tiran round(num_size * mid_size); % 得到该类别的训练样本个数end%% 数据转置
P_train P_train; P_test P_test;
T_train T_train; T_test T_test;%% 得到训练集和测试样本个数
M size(P_train, 2);
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 categorical(T_train);
t_test categorical(T_test );%% 数据平铺
% 将数据平铺成1维数据只是一种处理方式
% 也可以平铺成2维数据以及3维数据需要修改对应模型结构
% 但是应该始终和输入层数据结构保持一致
P_train double(reshape(P_train, num_dim, 1, 1, M));
P_test double(reshape(P_test , num_dim, 1, 1, N));%% 数据格式转换
for i 1 : Mp_train{i, 1} P_train(:, :, 1, i);
endfor i 1 : Np_test{i, 1} P_test( :, :, 1, i);
end%网络搭建
numChannels num_dim;
maxPosition 256;
numHeads 4;
numKeyChannels numHeads*32;
参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/128577926?spm1001.2014.3001.5501 [2] https://blog.csdn.net/kjm13182345320/article/details/128573597?spm1001.2014.3001.5501
