【预测模型】基于模糊小波神经网络目标威胁评估含matlab源码（怎么理解小信号模型分析法）

【预测模型】基于模糊小波神经网络目标威胁评估含matlab源码（怎么理解小信号模型分析法）

1 简介

2 部分代码

%FWNN 脚本文件，作为主程序使用% 清理工作close allclear% 关键变量d = 5; % 用于输入的宽度m = d; % 输入信号的个数n = 5; % 关系函数的个数，模糊判断的个数，小波函数的个数epoch = 2000; % 迭代次数num_yangben = 49; % 数据个数num_test = 12;rate = 0.08; % 学习速率mom = 0.5; % 冲量 % 产生试验数据data = indata();%result = plant(data);result = data(:,d+1);% TESTfile_yangben = '测试集.dat';fid = fopen(file_yangben);%u = fread(fid,[size_input_x,size_input_y],'float');u_test = dlmread(file_yangben,',');fclose(fid);% 随机初始化各个参数于（0，1）c = rand(m, n);q = rand(m, n); % 注意：不能为零a = rand(n, m);b = rand(n, m);w = rand(1, n);% t-1迭代的参数值pc = c;pq = q;pa = a;pb = b;pw = w;% t+1迭代的参数值nc = zeros(m, n);nq = zeros(m, n);na = zeros(n, m);nb = zeros(n, m);nw = zeros(1, n);% 用于画图的数据tu = zeros(epoch, num_yangben);E = zeros(epoch, num_yangben);%endtoc % 结束计时，并显示时间figure(1)% 图形显示统计信息k = 1 : 1 : num_yangben;ttu = tu(epoch, :);plot(k, result, '-', k, ttu, '-r')legend('样本集结果', '样本集预测值')title('训练结果');xlabel('样本');ylabel('优先级');%%============================================================'%%测试%%===========================================================for loop2 = 1 : 1 : num_test % 初始化中间数据 x = zeros(1, m); g = zeros(m, n); U = zeros(1, n); p = zeros(1, n); W = zeros(1, n); %y = zeros(1, n); % 给输入节点赋值 for i = 1 : 1 : d x(i) = u_test(loop2,i); end %for i = 1 : 1 : d % x(m + 1 - i) = result(loop2 - i); %end % 计算第二层节点的输出值 for i = 1 : 1 : m for j = 1 : 1 : n g(i, j) = relation(x(i), c(i, j), q(i, j)); end end % 计算第三层节点的输出，同时记录第三层节点的选择信息 for i = 1 : 1 : n [min, which] = fuzzy(g, m, i); U(i) = min; p(i) = which; end % 计算第四层节点的输出 for i = 1 : 1 : n for j = 1 : 1 : m W(i) = W(i) + wavelet(x(j), a(i, j), b(i, j)); end end y = w .* W; % 计算最终的输出 result_test(loop2) = defuzz(U, y, n);endfigure(2)% 图形显示测试信息k = 1 : 1 : num_test;plot(k, u_test(:,6), 'g',k, result_test, 'r')legend('测试集结果', '测试集预测值')title('测试结果');xlabel('样本');ylabel('优先级');

3 仿真结果

4 参考文献

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。