pca-bp

最新推荐文章于 2023-12-23 22:26:31 发布

qq_38653046

最新推荐文章于 2023-12-23 22:26:31 发布

阅读量644

点赞数

分类专栏： xuesheng 文章标签： xueshu

本文链接：https://blog.csdn.net/qq_38653046/article/details/79166779

版权

该博客介绍了使用PCA-BP神经网络进行阔叶林树种预测的方法。通过PCA进行特征选择，然后构建BP网络进行训练和测试。博客中展示了如何计算预测的准确性（R3、RMSEC、RMSEP）并绘制了预测结果与实际值的比较图。

摘要由CSDN通过智能技术生成

% %% 串起来的BP第二层网络预测阔叶林树种
function [kuo_yuce_shuzhong,kuo_Test_shuzhong,R3,second_shuzhong_kuo_rightradio,RMSEP_kuo,RMSEC_kuo]=pca_bp_kuo(kuo_train_spectra,kuo_test_spectra,...
kuo_train_canshu,kuo_test_canshu,second_train_kuo_label,second_test_kuo_label);

%% 参数设置区
principal_num_second_kuo=7;
hide_num_second_kuo=14;
% 1. 输入训练集
length_train_spectra=size(kuo_train_spectra,1);
temp_train_spectra=randperm(length_train_spectra);
train_s=kuo_train_spectra(temp_train_spectra(1:end),:);
train_l=second_train_kuo_label(temp_train_spectra(1:end),:);
train_midu=kuo_train_canshu(temp_train_spectra(1:end),:);
[PCA_spectra_Loadings,PCA_spectra_Scores,PCA_spectra_Var]=princomp(train_s);
percent_pca = 100 * PCA_spectra_Var / sum(PCA_spectra_Var);
P_train=PCA_spectra_Scores(:,1:principal_num_second_kuo);
% 2. 输入测试集
[PCA_spec