目录
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
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:
<