网站规划与网页设计案例,图书大厦网站建设报告,网站建设方式丨金手指排名26,注册公司代理记账行业目录
一、程序及算法内容介绍#xff1a;
基本内容#xff1a;
亮点与优势#xff1a; 二、实际运行效果#xff1a;
三、部分代码展示#xff1a;
四、完整代码数据说明手册下载#xff1a; 一、程序及算法内容介绍#xff1a;
基本内容#xff1a; 本代码基于M…目录
一、程序及算法内容介绍
基本内容
亮点与优势 二、实际运行效果
三、部分代码展示
四、完整代码数据说明手册下载 一、程序及算法内容介绍
基本内容 本代码基于Matalb平台编译将GWO(灰狼算法)与BP神经网络结合进行数据时序回归预测 输入训练的数据包含8个特征1个响应值即通过8个输入值预测1个输出值多变量时序预测 归一化训练数据提升网络泛化性 通过GWO算法优化BP神经网络的初始权重、初始偏差等参数记录下最优的网络参数 训练BP网络进行时序回归预测将优化前后的网络预测效果进行对比突出优化的重要性 迭代计算过程中自动显示优化进度条实时查看程序运行进展情况 自动输出多种多样的的误差评价指标自动输出大量实验效果图片
亮点与优势 注释详细几乎每一关键行都有注释说明适合小白起步学习 直接运行Main函数即可看到所有结果使用便捷 编程习惯良好程序主体标准化逻辑清晰方便阅读代码 所有数据均采用Excel格式输入替换数据方便适合懒人选手 出图详细、丰富、美观可直观查看运行效果 附带详细的说明文档下图其内容包括算法原理使用方法说明 二、实际运行效果 三、部分代码展示
clc;
clear;
warning off;
%% 导入数据
Data table2array(readtable(数据集.xlsx));
% 本例数据集中包含
% 1. 总共472个样本每一行表示一个样本
% 2. 每个样本8个特征值即前8列每一列表示样本的一个特征即输入的变量
% 3. 每个样本1个响应值第9列为表示样本的响应值即被预测的变量%% 划分训练集和测试集
InPut_num 1:1:8; % 输入特征个数数据表格中前8列为输入值因此设置为1:1:8若前5个为输入则设置为1:1:5
OutPut_num 9; % 输出响应个数本例仅一个响应值为数据表格中第9个若多个响应值参照上行数据格式设置为x:1:y% 选取前376个样本作为训练集后96个样本作为测试集即1376和377end
Train_InPut Data(1:376,InPut_num); % 训练输入
Train_OutPut Data(1:376,OutPut_num); % 训练输出
Test_InPut Data(377:end,InPut_num); % 测试输入
Test_OutPut Data(377:end,OutPut_num); % 测试输出%% 数据归一化
% 将数据归一化到0-1之间
Temp [Train_OutPut;Test_OutPut];
[~, Ps] mapminmax(Temp,0,1);
% 归一化训练输入值
Sc size(Train_InPut);
Temp reshape(Train_InPut,[1,Sc(1)*Sc(2)]);
Temp mapminmax(apply,Temp,Ps);
Train_InPut reshape(Temp,[Sc(1),Sc(2)]);
% 归一化测试输入值
Sc size(Test_InPut);
Temp reshape(Test_InPut,[1,Sc(1)*Sc(2)]);
Temp mapminmax(apply,Temp,Ps);
Test_InPut reshape(Temp,[Sc(1),Sc(2)]);
% 归一化训练输出值
Train_OutPut mapminmax(apply,Train_OutPut,Ps);
% 归一化测试输出值
Test_OutPut mapminmax(apply,Test_OutPut,Ps);
四、完整代码数据说明手册下载
