- 博客(11)
- 收藏
- 关注
原创 BP神经网络&&RBF神经网络预测
clc, cleara=load('jingliu.txt'); %把表中第2列到第6列的数据保存到纯文本文件jingliu.txta=a'; %注意神经网络的数据格式,不要把矩阵搞转置了。P=a([1:4],[1:end-1]); [PN,PS1]=mapminmax(P); %自变量数据规格化到[-1,1]T=a(5,[1:end-1]); [TN,PS2]=mapminmax(T);
2016-08-25 17:03:34 7625 1
原创 灰色关联度分析
clc, cleara=[0.83 0.90 0.99 0.92 0.87 0.95326 295 340 287 310 30321 38 25 19 27 103.2 2.4 2.2 2.0 0.9 1.70.20 0.25 0.12 0.33 0.20
2016-08-25 16:48:24 12342 3
原创 遗传算法---飞机巡航问题
clc,clearsj0=[53.7121 15.3046 51.1758 0.0322 46.3253 28.2753 30.3313 6.934856.5432 21.4188 10.8198 16.2529 22.7891 23.1045 10.1584 12.481920.1050 15.4562 1.9451 0
2016-08-25 16:37:33 3099 1
原创 模拟退火法---飞机巡航问题
clc, clearsj0=[53.7121 15.3046 51.1758 0.0322 46.3253 28.2753 30.3313 6.934856.5432 21.4188 10.8198 16.2529 22.7891 23.1045 10.1584 12.481920.1050 15.4562 1.9451
2016-08-25 16:31:24 1980
原创 利用距离进行分类
clc,cleara=[9 7 8 8 9 8 7 4 3 6 2 1 6 8 28 6 7 5 9 9 5 4 6 3 4 2 4 1 47 6 8 5 3 7 6 4 6 3 5 2 5 3 5];train=a(:,[
2016-08-25 16:06:58 683
原创 因子分析--我国上市公司盈利能力与资本结构的实证分析
clc,clearssgs = [43.31 7.39 8.73 54.89 15.3517.11 12.13 17.29 44.25 29.6921.11 6.03 7 89.37 13.8229.55 8.62 10.13 73 14.8811 8.41 11.83 25.22 25.4917.63
2016-08-25 16:00:53 1821 1
原创 支持向量分类机---乳腺癌的诊断
%原始数据cancerdata.txt可在网上下载,数据中的B替换成1,M替换成-1,X替换成2,删除了分割符*,替换后的数据命名成cancerdata2.txtclc,cleara=load('cancerdata2.txt');a(:,1)=[]; %删除第一列病例号gind=find(a(:,1)==1); %读出良性肿瘤的序号bind=find(a(:,1)==-1); %读出
2016-08-25 15:38:17 3700
原创 支持向量机实现分类
clc, cleara0=[8.35 23.53 7.51 8.62 17.42 10.00 1.04 11.219.25 23.75 6.61 9.19 17.77 10.48 1.72 10.518.19 30.50 4.72 9.78 16.28 7.60 2.52 10.327.73
2016-08-25 15:22:16 2237
原创 蚁群算法优化
%% 第8章 蚁群算法及Matlab实现——TSP问题% 程序8-1%--------------------------------------------------------------------------%% 数据准备% 清空环境变量clear allclc% 程序运行计时开始t0 = clock;%导入数据citys=xlsread('旅游城市聚类 - 经纬度.xls
2016-08-25 13:14:28 2204
原创 灰色预测水果销量
clearsyms a b;c=[a b]';H1 = [97209375 25245141 18823858 14280912 6860331 8328256 2211484 359329 98147156 28009225 20595451 13286870 6962323 9023196 2471999
2016-08-25 13:09:57 1033
原创 神经网络预测
P = x';T = y';[P1,ps] = mapminmax(P);[T1,ps2] = mapminmax(T);net=newff(minmax(P),[10,1],{'tansig','purelin'},'traingda');net.trainParam.goal=0.001;net.trainParam.show=20;net.trainParam.epochs=50
2016-08-25 13:07:41 1762 1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人