%% 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 = categorical(T_train)';
t_test = categorical(T_test )';
%% 数据平铺
% 将数据平铺成1维数据只是一种处理方式
% 也可以平铺成2维数据,以及3维数据,需要修改对应模型结构
% 但是应该始终和输入层数据结构保持一致
P_train = double(reshape(P_train, num_dim, 1, 1, M));
P_test = double(reshape(P_test , num_dim, 1, 1, N));
%% 数据格式转换
for i = 1 : M
p_train{i, 1} = P_train(:, :, 1, i);
end
for i = 1 : N
p_test{i, 1} = P_test( :, :, 1, i);
end
disp(['搜索:'])
disp(['https://mbd.pub/o/DDR1'])
%% 混淆矩阵
%%if flag_conusion == 1
%% 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';
%%end
没有合适的资源?快使用搜索试试~ 我知道了~
基于卷积神经网络-门控循环单元结合注意力机制(CNN-GRU-Attention)分类预测,matlab代码,2020版本及以上
共2个文件
xlsx:1个
m:1个
需积分: 0 2 下载量 110 浏览量
2023-09-02
15:41:20
上传
评论 1
收藏 72KB ZIP 举报
温馨提示
基于卷积神经网络-门控循环单元结合注意力机制(CNN-GRU-Attention)分类预测,matlab代码,2020版本及以上。 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。 程序语言为matlab,程序可出分类效果图,迭代优化图,混淆矩阵图。
资源推荐
资源详情
资源评论
收起资源包目录
3 CNN-GRU-attention分类.zip (2个子文件)
main.m 3KB
fical
数据集.xlsx 73KB
共 2 条
- 1
资源评论
智能算法及其模型预测
- 粉丝: 1834
- 资源: 788
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
最新资源
- resnet模型-基于深度学习对工具识别分类识别-不含数据集图片-含逐行注释和说明文档.zip
- mobilenet模型-基于深度学习AI算法对水下摄影的海洋生物分类识别-不含数据集图片-含逐行注释和说明文档.zip
- Proteus下载和安装教程.md
- mobilenet模型-python训练识别青苹果和红苹果-不含数据集图片-含逐行注释和说明文档.zip
- densenet模型-基于图像分类算法对香蕉是否腐烂识别-不含数据集图片-含逐行注释和说明文档.zip
- Proteus下载和安装教程.md
- densenet模型-基于图像分类算法对复杂背景下的数字识别-不含数据集图片-含逐行注释和说明文档.zip
- alexnet模型-基于深度学习对蔬菜种植区域识别-不含数据集图片-含逐行注释和说明文档.zip
- Proteus下载和安装教程.md
- alexnet模型-基于卷积神经网络识别汽车类型分类-不含数据集图片-含逐行注释和说明文档.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
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