%% 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');
%% 分析数据
num_class = length(unique(res(:, end))); % 类别数(Excel最后一列放类别)
num_dim = size(res, 2) - 1; % 特征维度
num_res = size(res, 1); % 样本数(每一行,是一个样本)
num_size = 0.7; % 训练集占数据集的比例
res = res(randperm(num_res), :); % 打乱数据集(不打乱数据时,注释该行)
flag_conusion = 1; % 标志位为1,打开混淆矩阵(要求2018版本及以上)
%% 设置变量存储数据
P_train = []; P_test = [];
T_train = []; T_test = [];
%% 划分数据集
for i = 1 : num_class
mid_res = res((res(:, end) == i), :); % 循环取出不同类别的样本
mid_size = size(mid_res, 1); % 得到不同类别样本个数
mid_tiran = round(num_size * mid_size); % 得到该类别的训练样本个数
P_train = [P_train; mid_res(1: mid_tiran, 1: end - 1)]; % 训练集输入
T_train = [T_train; mid_res(1: mid_tiran, end)]; % 训练集输出
P_test = [P_test; mid_res(mid_tiran + 1: end, 1: end - 1)]; % 测试集输入
T_test = [T_test; mid_res(mid_tiran + 1: end, end)]; % 测试集输出
end
%% 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 = ind2vec(T_train);
t_test = ind2vec(T_test );
%% 权重初始化
D = ones(1, M) / M;
%% 参数设置
K = 10; % 弱回归器个数
H = 6; % 隐藏层节点个数
%% 创建网络,
%% 建立模型
net = newff(p_train, t_train, 6);
%% 设置训练参数
net.trainParam.epochs = 1000; % 最大迭代次数
net.trainParam.goal = 1e-6; % 目标训练误差
net.trainParam.lr = 0.01; % 学习率
%% 弱回归器回归
for i = 1 : K
%% 训练网络
net = train(net, p_train, t_train);
%% 仿真预测
t_sim1{i} = sim(net, p_train);
t_sim2{i} = sim(net, p_test);
%% 数据格式转换
ztrain = t_train;
t_sim1{i} = double(t_sim1{i});
t_sim2{i} = double(t_sim2{i});
%% 预测误差
Error(i, :) = sum(abs(t_sim1{i} - ztrain)) / num_class;
%% 调整D值
weight(i) = 0;
for j = 1 : M
if abs(Error(i, j)) > 0.1
weight(i) = weight(i) + D(i, j);
D(i + 1, j) = D(i, j) * 1.1;
else
D(i + 1, j) = D(i, j);
end
end
%% 弱分类器i权重
weight(i) = 0.5 / exp(abs(weight(i)));
%% D值归一化
D(i + 1, :) = D(i + 1, :) / sum(D(i + 1, :));
end
%% 强预测器预测
weight = weight / sum(weight);
%% 强分类器分类结果
T_sim1 = zeros(num_class, M);
T_sim2 = zeros(num_class, N);
for i = 1 : K
output1 = (weight(i) * t_sim1{i});
output2 = (weight(i) * t_sim2{i});
T_sim1 = output1 + T_sim1;
T_sim2 = output2 + T_sim2;
end
%% 数据反归一化
T_sim1 = vec2ind(T_sim1);
T_sim2 = vec2ind(T_sim2);
%% 性能评价
error1 = sum((T_sim1 == T_train)) / M * 100 ;
error2 = sum((T_sim2 == T_test )) / N * 100 ;
%% 绘图
figure
plot(1: M, T_train, 'r-*', 1: M, T_sim1, 'b-o', 'LineWidth', 1)
legend('真实值', 'BP-Adaboost预测值')
xlabel('预测样本')
ylabel('预测结果')
string = {'训练集预测结果对比'; ['准确率=' num2str(error1) '%']};
title(string)
grid
figure
plot(1: N, T_test, 'r-*', 1: N, T_sim2, 'b-o', 'LineWidth', 1)
legend('真实值', 'BP-Adaboost预测值')
xlabel('预测样本')
ylabel('预测结果')
string = {'测试集预测结果对比'; ['准确率=' num2str(error2) '%']};
title(string)
grid
%% 混淆矩阵
figure
cm = confusionchart(T_train, T_sim1);
cm.Title = 'Confusion Matrix for Train Data';
cm.ColumnSummary = 'column-normalized';
cm.RowSummary = 'row-normalized';
figure
cm = confusionchart(T_test, T_sim2);
cm.Title = 'Confusion Matrix for Test Data';
cm.ColumnSummary = 'column-normalized';
cm.RowSummary = 'row-normalized';
没有合适的资源?快使用搜索试试~ 我知道了~
【BP分类】基于matlab BP神经网络结合Adaboost数据分类预测【含Matlab源码 3768期】.zip
共6个文件
png:4个
xlsx:1个
m:1个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 107 浏览量
2024-01-12
21:48:52
上传
评论
收藏 177KB ZIP 举报
温馨提示
CSDN海神之光上传的全部代码均可运行,亲测可用,直接换数据就行,适合小白; 1、代码压缩包内容 主函数:Main .m; 数据; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2019b;若运行有误,根据提示修改;若不会,可私信博主; 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开除Main.m的其他m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可私信博主或扫描博主博客文章底部QQ名片; 4.1 CSDN博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 智能优化算法优化BP神经网络分类预测系列程序定制或科研合作方向: 4.4.1 遗传算法GA/蚁群算法ACO优化BP 4.4.2 粒子群算法PSO/蛙跳算法SFLA优化BP 4.4.3 灰狼算法GWO/狼群算法WPA优化BP 4.4.4 鲸鱼算法WOA/麻雀算法SSA优化BP 4.4.5 萤火虫算法FA/差分算法DE优化BP 4.4.6 其他优化算法优化BP
资源推荐
资源详情
资源评论
收起资源包目录
【BP分类】基于matlab BP神经网络结合Adaboost数据分类预测【含Matlab源码 3768期】.zip (6个子文件)
【BP分类】基于matlab BP神经网络结合Adaboost数据分类预测【含Matlab源码 3768期】
3.png 29KB
main.m 4KB
fical
数据集.xlsx 73KB
1.png 27KB
4.png 25KB
2.png 30KB
共 6 条
- 1
资源评论
海神之光
- 粉丝: 3w+
- 资源: 2094
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功