- 博客(6)
- 收藏
- 关注
RSS订阅
原创 博客完整源代码，在这里！！！
此外程序包含完整注释，且附有详细的说明文档，便于大家理解。博客里所有的代码程序都经过验证，保证程序可以运行。第二步：在搜索输入框中输入自己想要的代码名称即可；下面教大家如何找到完整的源代码！第一步：百度搜索“面包多”；
2023-07-30 12:34:49
1636
原创 降维算法系列代码-02（KPCA核主成分分析降维算法）
本文MATLAB代码的作用是读取数据集并进行核主成分分析（KPCA）降维处理，以实现数据的降维和可视化。其中第一段demo1.m中的代码展示了如何使用核主成分分析（KPCA）对给定的数据集进行降维处理，通过计算主成分分量和特征值，并绘制特征值累计贡献度的图表，实现数据降维和可视化，帮助分析数据在低维空间中的分布。第二段demo2.m中的代码则展示了如何使用KPCA进行异常检测，通过训练样本和测试样本，计算SPE和T2统计量，绘制故障检测的结果图表，从而提高故障检测性能
2023-08-09 14:48:17
172
原创 降维算法系列代码-01（PCA主成分分析降维算法）
这段MATLAB代码的作用主要是读取数据集并进行主成分分析（PCA）降维处理，以实现数据的降维和可视化。首先，它从Excel文件中读取数据，并对数据进行归一化处理。然后，通过PCA分析计算数据的主成分分量和特征值，并绘制特征值累计贡献度的图表，帮助确定主成分的数量。接着，根据确定的主成分数量，将数据进行降维，得到经过PCA处理后的数据。最后，代码通过绘制三维散点图和前三个主成分的折线图，将降维后的数据在空间中可视化展示，帮助分析数据的分布和特点。
2023-08-09 14:35:54
144
1
原创 PSO-BP神经网络回归预测模型（粒子群算法优化BP神经网络）
具体结果如下图所示，包括调用的MATLAB神经网络库的各项具体参数，PSO粒子群算法训练过程中的适应度变化曲线，训练集、测试集的预测值和真实值的预测结果对比图，RMSE值以及模型预测结果的散点图等。3.从遗传算法的个体pop中提取权值和阈值的信息，分别为输入层到隐含层的权值(w1)、隐含层的阈值(B1)，隐含层到输出层的权值(w2)，以及输出层的阈值(B2)。总体来说，这段代码实现了使用粒子群算法优化神经网络的权值和阈值，以提高神经网络在回归任务上的预测性能，并对优化后的模型进行评估和可视化。
2023-07-30 00:04:10
1169
2
原创 基于RF随机森林机器学习算法的回归预测模型
最后，通过计算均方根误差、决定系数、平均绝对误差和平均偏差误差等指标来评估模型性能，并绘制真实值与预测值之间的散点图和其他评估图表，以直观地展示模型的预测效果和特征重要性。具体结果如下图所示，包括误差曲线，特征重要性，训练集、测试集的预测值和真实值的预测结果对比图，模型预测结果的散点图等。3.将数据划分为训练集和测试集。数据共有103个样本，随机打乱样本顺序，并将前80个样本作为训练集，剩下的样本作为测试集。10.绘制训练集和测试集的真实值与预测值的对比图，以及决策树数目与误差之间的关系图和特征重要性图。
2023-07-29 23:54:46
362
1
原创 GA-BP神经网络回归预测模型（遗传算法优化BP神经网络）
具体结果如下图所示，包括调用的MATLAB神经网络库的各项具体参数，GA遗传算法训练过程中的适应度变化曲线，训练集、测试集的预测值和真实值的预测结果对比图，RMSE值以及模型预测结果的散点图等。适应度值反映了神经网络的拟合精度，即神经网络对训练数据的拟合程度。总体来说该函数是将遗传算法编码的参数解码成神经网络的权重和偏置，然后通过训练和仿真测试计算神经网络的适应度值，以评估神经网络的性能。4.数据归一化：对训练集和测试集的输入和输出数据进行归一化，将其缩放到区间 [0, 1] 之间，方便神经网络的训练。
2023-07-29 23:45:05
2285
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人