7、【GRNN广义回归神经网络算法】优化分类、预测Matlab代码（可做算法改进对比）

目录

1、文件包中程序均收集、整理、汇总自网络。

2、文件包完整内容

        1）【GRNN多分类】三分类、17分类两种

        2）【GRNN-GA-17类数据分类】遗传算法优化GRNN

        3）【GRNN-PSO-17类数据交叉验证分类】粒子群算法优化GRNN

      4）【GRNN-PSO-交叉验证下数据预测】粒子群算法优化GRNN

        5）【GRNN-SSA预测】麻雀搜索算法优化GRNN

        6）【GRNN-WOA预测】鲸鱼优化算法优化GRNN

 3、如有需要请移步🍞正在为您运送作品详情

---

1、文件包中程序均收集、整理、汇总自网络。

2、文件包完整内容

        1）【GRNN多分类】三分类、17分类两种

                函数部分代码及预览图：

                 三分类：

% 1. 导入数据
load iris_data.mat

%%
% 2 随机产生训练集和测试集
P_train = [];
T_train = [];
P_test = [];
T_test = [];
for i = 1:3
    temp_input = features((i-1)*50+1:i*50,:);
    temp_output = classes((i-1)*50+1:i*50,:);
    n = randperm(50);
    % 训练集——120个样本
    P_train = [P_train temp_input(n(1:40),:)'];
    T_train = [T_train temp_output(n(1:40),:)'];
    % 测试集——30个样本
    P_test = [P_test temp_input(n(41:50),:)'];
    T_test = [T_test temp_output(n(41:50),:)'];
end

                17分类：

%% 1.初始化环境
clc;clear;close all;format compact;
%% 2.加载数据
data=xlsread('三维数据.xlsx');
input=data(:,1:3); 
output=data(:,4);
%% 划分数据集
n=randperm(size(input,1));
m=floor(0.8*size(input,1));

p_train=input(n(1:m),:)';%取转置 编成一列一个样本
ttrain=output(n(1:m));
p_test=input(n(m+1:end),:)';
ttest=output(n(m+1:end),:);

%% 归一化
[trainn ,trains]=mapminmax(p_train,0,1);
p_train=trainn;
testn=mapminmax('apply',p_test,trains);  
p_test=testn;
% 将类别转换为向量

                运行结果预览图：

<