【GRNN分类】 adaboost结合广义神经网络GRNN数据分类【含Matlab源码 3186期】.zip

%% grnn %% 1.初始化环境 %% 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 %% 导入数据 res = xlsread('数据集.xlsx'); %% 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 %% 导入数据 res = xlsread('数据集.xlsx'); %% 划分训练集和测试集 temp = randperm(357); P_train = res(temp(1: 240), 1: 12)'; T_train = res(temp(1: 240), 13)'; M = size(P_train, 2); P_test = res(temp(241: end), 1: 12)'; T_test = res(temp(241: end), 13)'; N = size(P_test, 2); %% 权重初始化 [mm,nn]=size(P_train); D(1,:)=ones(1,nn)/nn; %% 弱分类器分类 K=11; for i=1:K error(i)=0; %% 归一化 [trainn ,trains]=mapminmax(P_train,0,1); p_train=trainn; testn=mapminmax('apply',P_test,trains); p_test=testn; %% 3.创建grnn spread=0.1; net=newgrnn(p_train,T_train,spread); pred_test=sim(net,p_train); t_test=sim(net,p_test); %% 4.结果统计 [T_sim1]=round(pred_test); [ T_sim2(i,:)]=round(t_test); %统计输出效果 kk1=find(T_sim1==1); kk2=find(T_sim1==2); kk3=find(T_sim1==3); kk4=find(T_sim1==4); kk5=find(T_sim1==5); aa(kk1)=1; aa(kk2)=2; aa(kk3)=3; aa(kk4)=4; aa(kk5)=5; %统计错误样本数 for j=1:nn if T_sim1(j)~=T_train(j) error(i)=error(i)+D(i,j); end end %弱分类器i权重 at(i)=0.2*log((1-error(i))/(error(i)+1.001)); %更新D值 for j=1:nn D(i+1,j)=D(i,j)*exp(-at(i)*aa(j)*T_sim1(j)); end %D值归一化 Dsum=sum(D(i+1,:)); D(i+1,:)=D(i+1,:)/Dsum; end at=at/sum(at); T_sim22=round(at*T_sim2); figure stem(T_sim22,'bo'); grid on hold on plot(T_test,'r*'); legend('测试输出','真实标签') title('测试集') xlabel('样本数') ylabel('分类标签') hold off