如何做网站域名备案,网页设计页面尺寸,腾讯人脸认证网站建设,宁波企业建网站报价分类预测 | Matlab实现基于PSO-PNN粒子群算法优化概率神经网络的数据分类预测 目录 分类预测 | Matlab实现基于PSO-PNN粒子群算法优化概率神经网络的数据分类预测分类效果基本描述程序设计参考资料 分类效果 基本描述 1.Matlab实现基于PSO-PNN粒子群算法优化概率神经网络的数据…分类预测 | Matlab实现基于PSO-PNN粒子群算法优化概率神经网络的数据分类预测 目录 分类预测 | Matlab实现基于PSO-PNN粒子群算法优化概率神经网络的数据分类预测分类效果基本描述程序设计参考资料 分类效果 基本描述 1.Matlab实现基于PSO-PNN粒子群算法优化概率神经网络的数据分类预测完整源码和数据) 2.多特征输入单输出的二分类及多分类模型。程序内注释详细直接替换数据就可以用。 3.程序语言为matlab程序可出分类效果图混淆矩阵图运行环境matlab2018b及以上。 4.代码特点参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 5.data为数据集输入12个特征分四类main为主程序其余为函数文件无需运行可在下载区获取数据和程序内容。 程序设计
完整程序和数据获取方式私信博主回复Matlab实现基于PSO-PNN粒子群算法优化概率神经网络的数据分类预测。
%% 定义粒子群算法参数
% N 种群 T 迭代次数
%% 随机初始化种群
Ddim; %粒子维数
c11.5; %学习因子1
c21.5; %学习因子2
w0.8; %惯性权重Xmaxub; %位置最大值
Xminlb; %位置最小值
Vmaxub; %速度最大值
Vminlb; %速度最小值
%%
%%%%%%%%%%%%%%%%初始化种群个体限定位置和速度%%%%%%%%%%%%%%%%xrand(N,D).*(Xmax-Xmin)Xmin;
vrand(N,D).*(Vmax-Vmin)Vmin;
%%%%%%%%%%%%%%%%%%初始化个体最优位置和最优值%%%%%%%%%%%%%%%%%%%
px;
pbestones(N,1);
for i1:Npbest(i)fobj(x(i,:));
end
%%%%%%%%%%%%%%%%%%%初始化全局最优位置和最优值%%%%%%%%%%%%%%%%%%
gones(1,D);
gbestinf;
for i1:Nif(pbest(i)gbest)gp(i,:);gbestpbest(i);end
end
%%%%%%%%%%%按照公式依次迭代直到满足精度或者迭代次数%%%%%%%%%%%%%
for i1:Tifor j1:N%%%%%%%%%%%%%%更新个体最优位置和最优值%%%%%%%%%%%%%%%%%if (fobj(x(j,:))) pbest(j)p(j,:)x(j,:);pbest(j)fobj(x(j,:)); 参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/129036772?spm1001.2014.3001.5502 [2] https://blog.csdn.net/kjm13182345320/article/details/128690229
