粒子群算法(PSO)优化长短期记忆神经网络的数据分类预测，PSO-LSTM分类预测，多输入单输出模型.

 

%%  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

%%  读取数据
res = xlsread('数据集.xlsx');
num_res = size(res, 1);                   % 样本数（每一行，是一个样本）
res = res(randperm(num_res), :);          % 打乱数据集（不打乱数据时，注释该行）
%% 划分训练集和测试集%
P_train = res(1: 250, 1: 12)';
T_train = res(1: 250, 13)';
M = size(P_train, 2);

P_test = res(251: end, 1: 12)';
T_test = res(251: end, 13)';
N = size(P_test, 2);

num_dim = size(P_train, 1);               % 特征维度
num_class = length(unique(res(:, end)));  % 类别数（Excel最后一列放类别）                              % 类别数（Excel最后一列放类别）
%%  数据转置
% P_train = P_train'; P_test = P_test';
% T_train = T_train'; T_test = T_test';

%%  得到训练集和测试样本个数
M = size(P_train, 2);
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 =  categorical(T_train)';
t_test  =  categorical(T_test )';

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

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

智能算法及其模型预测