【ElM分类】基于灰狼算法优化ElM神经网络实现数据分类附matlab代码

【ElM分类】基于灰狼算法优化ElM神经网络实现数据分类附matlab代码

1 简介

为了提高核极限学习机(ELM)的分类正确率,采用灰狼算法(GWO)对惩罚系数,宽度参数两个参数进行优化.首先,根据乳腺良恶性肿瘤数据库训练集并利用灰狼算法优化核极限学习机;然后,通过GWO-ELM和ELM对测试集进行分类诊断;最后,对比分析GWO-ELM和ELM的分类性能,测试结果表明,GWO-ELM的总体诊断正确率相较于ELM提高了10%,且恶性肿瘤的诊断正确率明显优于ELM.

2 部分代码

% Grey Wolf Optimizerfunction [Alpha_score,Alpha_pos,Convergence_curve]=GWO(SearchAgents_no,Max_iter,lb,ub,dim,fhandle,fnonlin)% initialize alpha, beta, and delta_posAlpha_pos=zeros(1,dim);Alpha_score=inf; %change this to -inf for maximization problemsBeta_pos=zeros(1,dim);Beta_score=inf; %change this to -inf for maximization problemsDelta_pos=zeros(1,dim);Delta_score=inf; %change this to -inf for maximization problems%Initialize the positions of search agentsPositions=initialization(SearchAgents_no,ub,lb);Convergence_curve=zeros(1,Max_iter);l=0;% Loop counter% Main loopwhile lub; Flag4lb=Positions(i,:)Alpha_score && fitnessAlpha_score && fitness>Beta_score && fitness

3 仿真结果

4 参考文献

[1]赵国栋, 高旭, 张烜,等. 一种基于GWO-OSELM的非接触式手掌活体检测方法及装置:, CN112257688A[P]. 2021.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。