【BP分类】基于matlab哈里斯鹰算法优化BP神经网络分类【含Matlab源码 1725期】

举报
海神之光 发表于 2022/05/29 00:09:18 2022/05/29
【摘要】 一、获取代码方式 获取代码方式1: 完整代码已上传我的资源:【优化分类】基于matlab哈里斯鹰算法优化BP神经网络分类【含Matlab源码 1725期】 获取代码方式2: 通过订阅紫极神光博客付费专...

一、获取代码方式

获取代码方式1:
完整代码已上传我的资源:【优化分类】基于matlab哈里斯鹰算法优化BP神经网络分类【含Matlab源码 1725期】

获取代码方式2:
通过订阅紫极神光博客付费专栏,凭支付凭证,私信博主,可获得此代码。

备注:
订阅紫极神光博客付费专栏,可免费获得1份代码(有效期为订阅日起,三天内有效);

二、部分源代码

%% 读取训练数据 读进来后归一化存放在inputTrain中, outputTrain为训练数据的实际类别
%读取数据iris数据,该数据的特征为4维,类别一共3个类别
%f1,f2,f3,f4为特征,class为类别,123分别代表属于3个类别
warning off;
[f1,f2,f3,f4,class] = textread('irisTrain.data', '%f%f%f%f%f', 'delimiter', ',');
%特征值归一化
[inputTrain,minI,maxI] = premnmx([f1 , f2 , f3 , f4 ]') ;
%构造输出矩阵
s = length(class) ;
outputTrain = zeros(s,3) ;
%output每行代表属于哪类,比如1,0,0代表第一类,010代表第二类,001代表第三类
for i = 1 : s
outputTrain(i , class(i)) = 1 ;
end
%% 读取测试数据 读进来后归一化存放在testInput中, outputTest为测试数据的实际类别
[t1 t2 t3 t4 classT] = textread('irisTest.data', '%f%f%f%f%f', 'delimiter', ',');
%测试数据归一化
testInput = tramnmx ( [t1,t2,t3,t4]' , minI, maxI );
s = length(classT) ;
outputTest = zeros(s,3) ;
%output每行代表属于哪类,比如1,0,0代表第一类,010代表第二类,001代表第三类
for i = 1 : s
outputTest(i , classT(i)) = 1 ;
end

%% 构造网络结构
%创建神经网络
inputnum = 4;     %inputnum  输入层节点数 4维特征
hiddennum = 10;     %hiddennum  隐含层节点数
outputnum = 3;     %outputnum  隐含层节点数
%% 构造哈里斯鹰优化器
popsize = 20;%种群数量
Max_iteration = 20;%最大迭代次数
lb = -5;%权值阈值下边界
ub = 5;%权值阈值上边界
%  inputnum * hiddennum + hiddennum*outputnum 为权值的个数
%  hiddennum + outputnum 为阈值的个数
dim =  inputnum * hiddennum + hiddennum*outputnum + hiddennum + outputnum ;%  inputnum * hiddennum + hiddennum*outputnum维度
fobj = @(x)funBP(x,inputnum,hiddennum,outputnum,inputTrain,outputTrain,testInput,outputTest);
[Best_score,Best_pos,HHO_cg_curve,net]=HHO(popsize,Max_iteration,lb,ub,dim,fobj);

figure
plot(HHO_cg_curve,'Color','r')
title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');
legend('HHO')
grid on;
disp('初始化阈值与权值信息:')
Best_pos
%测试测试集识别准确率
Y = sim( net , testInput );
Y = Y';
%统计分类正确率
count = 0;
for i = 1:size(Y,1)
   [~,index] = max(Y(i,:));%因为类别已经转换为001100,这些,所以找到最大值位置即为类别
   [~,index1] = max(outputTest(i,:)); 
   if(index==index1)
       count = count+1;
   end
end

  
 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62

三、运行结果

在这里插入图片描述
在这里插入图片描述

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例(第2版)[M].电子工业出版社,2016.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社,2017.

文章来源: qq912100926.blog.csdn.net,作者:海神之光,版权归原作者所有,如需转载,请联系作者。

原文链接:qq912100926.blog.csdn.net/article/details/123041784

【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。