【ElM分类】基于海洋捕食者算法优化ElM神经网络实现数据分类附matlab代码

【ElM分类】基于海洋捕食者算法优化ElM神经网络实现数据分类附matlab代码

1 简介

为了提高极限学习机(ELM)数据分类的精度,提出了海洋捕食者算法(SOA)的ELM分类器参数优化方法(MPA-KELM),将CV训练所得多个模型的平均精度作为MPA的适应度评价函数,为ELM的参数优化提供评价标准,用获得MPA优化最优参数的ELM算法进行数据分类.利用UCI中数据集进行仿真.

2 部分代码

%_________________________________________________________________________% Marine Predators Algorithm source code (Developed in MATLAB R2015a)%function [Top_predator_fit,Top_predator_pos,Convergence_curve]=MPA(SearchAgents_no,Max_iter,lb,ub,dim,fobj)Top_predator_pos=zeros(1,dim);Top_predator_fit=inf; Convergence_curve=zeros(1,Max_iter);stepsize=zeros(SearchAgents_no,dim);fitness=inf(SearchAgents_no,1);Prey=initialization(SearchAgents_no,dim,ub,lb);Xmin=repmat(ones(1,dim).*lb,SearchAgents_no,1);Xmax=repmat(ones(1,dim).*ub,SearchAgents_no,1);Iter=0;FADs=0.2;P=0.5;while Iterub; Flag4lb=Prey(i,:)Max_iter/3 && Iter<2*Max_iter/3 if i>size(Prey,1)/2 stepsize(i,j)=RB(i,j)*(RB(i,j)*Elite(i,j)-Prey(i,j)); Prey(i,j)=Elite(i,j)+P*CF*stepsize(i,j); else stepsize(i,j)=RL(i,j)*(Elite(i,j)-RL(i,j)*Prey(i,j)); Prey(i,j)=Prey(i,j)+P*R*stepsize(i,j); end %----------------- Phase 3 (Eq. 15)------------------- else stepsize(i,j)=RL(i,j)*(RL(i,j)*Elite(i,j)-Prey(i,j)); Prey(i,j)=Elite(i,j)+P*CF*stepsize(i,j); end end end %------------------ Detecting top predator ------------------ for i=1:size(Prey,1) Flag4ub=Prey(i,:)>ub; Flag4lb=Prey(i,:)

3 仿真结果

4 参考文献

[1]郁智博. 基于模糊神经网络和ELM的分类算法的研究[D]. 东北大学, 2013.

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。