[独家原创] CPO-RBF多特征分类预测 优化宽度+中心值+连接权值 （多输入单输出）Matlab代码

[独家原创] CPO-RBF多特征分类预测 优化宽度+中心值+连接权值 （多输入单输出）Matlab代码

效果一览

基本介绍

1.[独家原创] CPO-RBF多特征分类预测 优化宽度+中心值+连接权值 （多输入单输出）Matlab代码；

2.优化参数为：优化宽度+中心值+连接权值，运行环境为Matlab2018b及以上；

3.data为数据集，输入多个特征，分四类，main.m为主程序，运行即可,所有文件放在一个文件夹。运行结果图包括分类效果图，迭代优化图，混淆矩阵图等。

程序设计

• 完整程序和数据下载私信博主回复CPO-RBF多特征分类预测 优化宽度+中心值+连接权值 （多输入单输出）Matlab代码。

%%  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



%%  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);

%%  数据平铺
P_train =  double(reshape(P_train, f_, 1, 1, M));
P_test  =  double(reshape(P_test , f_, 1, 1, N));

t_train = t_train';
t_test  = t_test' ;

%%  数据格式转换
for i = 1 : M
    p_train{i, 1} = P_train(:, :, 1, i);
end

for i = 1 : N
    p_test{i, 1}  = P_test( :, :, 1, i);
end

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/128163536?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/kjm13182345320/article/details/128151206?spm=1001.2014.3001.5502