免费 网站建设,网站二级目录建站,整站优化 快速排名,怎么样建立自己的网站分类预测 | SSA-HKELM-Adaboost麻雀算法优化混合核极限学习机的数据分类预测 目录 分类预测 | SSA-HKELM-Adaboost麻雀算法优化混合核极限学习机的数据分类预测分类效果基本描述程序设计参考资料 分类效果 基本描述 1.SSA-HKELM-Adaboost麻雀算法优化混合核极限学习机的数据分类…分类预测 | SSA-HKELM-Adaboost麻雀算法优化混合核极限学习机的数据分类预测 目录 分类预测 | SSA-HKELM-Adaboost麻雀算法优化混合核极限学习机的数据分类预测分类效果基本描述程序设计参考资料 分类效果 基本描述 1.SSA-HKELM-Adaboost麻雀算法优化混合核极限学习机的数据分类预测完整源码和数据) 2.自带数据多输入单输出多分类。程序可出分类效果图迭代图混淆矩阵图。 3.直接替换数据即可使用保证程序可正常运行。运行环境MATLAB2018及以上。 4.代码特点参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 程序设计
完整程序和数据私信博主回复SSA-HKELM-Adaboost麻雀算法优化混合核极限学习机的数据分类预测。
for i1:size(SalpPositions,1)SalpPositions SalpPositions;if iN/2for j1:1:dimc2rand();c3rand();%%%%%%%%%%%%% % Eq. (3.1) in the paper %%%%%%%%%%%%%%if c30.5 SalpPositions(j,i)FoodPosition(j)c1*((ub(j)-lb(j))*c2lb(j));elseSalpPositions(j,i)FoodPosition(j)-c1*((ub(j)-lb(j))*c2lb(j));end%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%endelseif iN/2 iN1point1SalpPositions(:,i-1);point2SalpPositions(:,i);SalpPositions(:,i)(point2point1)/2; % % Eq. (3.4) in the paperendSalpPositions SalpPositions;endfor i1:size(SalpPositions,1)TpSalpPositions(i,:)ub;TmSalpPositions(i,:)lb;SalpPositions(i,:)(SalpPositions(i,:).*(~(TpTm)))ub.*Tplb.*Tm;SalpFitness(1,i)fobj(SalpPositions(i,:));if SalpFitness(1,i)FoodFitnessFoodPositionSalpPositions(i,:);FoodFitnessSalpFitness(1,i); endendConvergence_curve(l)FoodFitness;
参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/129036772?spm1001.2014.3001.5502 [2] https://blog.csdn.net/kjm13182345320/article/details/128690229
