ELM:ELM基于近红外光谱的汽油测试集辛烷值含量预测结果对比—Jason niu
%ELM:ELM基于近红外光谱的汽油测试集辛烷值含量预测结果对比—Jason niu load spectra_data.mat temp = randperm(size(NIR,1));P_train = NIR(temp(1:50),:)'; T_train = octane(temp(1:50),:)';P_test = NIR(temp(51:end),:)'; T_test = octane(temp(51:end),:)'; N = size(P_test,2);[Pn_train,inputps] = mapminmax(P_train); Pn_test = mapminmax('apply',P_test,inputps);[Tn_train,outputps] = mapminmax(T_train); Tn_test = mapminmax('apply',T_test,outputps);[IW,B,LW,TF,TYPE] = elmtrain(Pn_train,Tn_train,30,'sig',0);tn_sim = elmpredict(Pn_test,IW,B,LW,TF,TYPE);T_sim = mapminmax('reverse',tn_sim,outputps);result = [T_test' T_sim'];E = mse(T_sim - T_test);N = length(T_test); R2=(N*sum(T_sim.*T_test)-sum(T_sim)*sum(T_test))^2/((N*sum((T_sim).^2)-(sum(T_sim))^2)*(N*sum((T_test).^2)-(sum(T_test))^2)); figure(1) plot(1:N,T_test,'r-*',1:N,T_sim,'b:o') grid on legend('真实值','预测值') xlabel('样本编号') ylabel('辛烷值') string = {'ELM:ELM基于近红外光谱的汽油测试集辛烷值含量预测结果对比—Jason niu';['(mse = ' num2str(E) ' R^2 = ' num2str(R2) ')']}; title(string)
转载于:https://www.cnblogs.com/yunyaniu/p/8436918.html
ELM:ELM基于近红外光谱的汽油测试集辛烷值含量预测结果对比—Jason niu相关推荐
- MAT之ELM:ELM基于近红外光谱的汽油测试集辛烷值含量预测结果对比
MAT之ELM:ELM基于近红外光谱的汽油测试集辛烷值含量预测结果对比 目录 输出结果 代码设计 输出结果 代码设计 %ELM:ELM基于近红外光谱的汽油测试集辛烷值含量预测结果对比-Jason ni ...
- MAT之PLS:利用PLS(两个主成分的贡献率就可达100%)提高测试集辛烷值含量预测准确度并《测试集辛烷值含量预测结果对比》
MAT之PLS:利用PLS(两个主成分的贡献率就可达100%)提高测试集辛烷值含量预测准确度并<测试集辛烷值含量预测结果对比> 目录 输出结果 实现代码 输出结果 实现代码 load sp ...
- MAT之PCA:利用PCA(四个主成分的贡献率就才达100%)降维提高测试集辛烷值含量预测准确度并《测试集辛烷值含量预测结果对比》
MAT之PCA:利用PCA(四个主成分的贡献率就才达100%)降维提高测试集辛烷值含量预测准确度并<测试集辛烷值含量预测结果对比> 目录 输出结果 实现代码 输出结果 后期更新-- 实现代 ...
- RBF:RBF基于近红外光谱的汽油辛烷值含量预测结果对比
RBF:RBF基于近红外光谱的汽油辛烷值含量预测结果对比 目录 输出结果 代码设计 输出结果 代码设计 load spectra_data.mat temp = randperm(size(NIR ...
- MAT之NN:实现BP神经网络的回归拟合,基于近红外光谱的汽油辛烷值含量预测结果对比
MAT之NN:实现BP神经网络的回归拟合,基于近红外光谱的汽油辛烷值含量预测结果对比 目录 输出结果 实现代码 输出结果 实现代码 load spectra_data.mat plot(NIR') t ...
- 《MATLAB智能算法30个案例》:第25章 有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测
<MATLAB智能算法30个案例>:第25章 有导师学习神经网络的回归拟合--基于近红外光谱的汽油辛烷值预测 1. 前言 2. MATLAB 仿真示例 3. 小结 1. 前言 <MA ...
- 有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测
文章目录 一.理论基础 1.BP神经网络概述 2.RBF神经网络概述 二.案例背景 1.问题描述 2.解题思路与步骤 三.MATLAB程序实现 1.产生训练集/测试集 2.创建/训练BP神经网络及仿真 ...
- BP神经网络——基于近红外光谱的汽油辛烷值预测
BP神经网络--基于近红外光谱的汽油辛烷值预测 问题描述 获取数据 解题思路及步骤 1.产生训练集/测试集 2.创建/训练BP神经网络及仿真测试 3.性能评价 4.绘图 Matalab代码 问题描述 ...
- RBF神经网络——基于近红外光谱的汽油辛烷值预测
RBF神经网络--基于近红外光谱的汽油辛烷值预测 问题描述 辛烷值是汽油最重要的品质指标,传统的实验室检测方法存在样品用量大.测试周期长和费用高等问题,不适用与生产控制,特别是在线测试,近红外光谱分析 ...
最新文章
- 【基础概念】 Redis简介和面试常见问题
- java double 小数点后两位小数_Java中double类型的数据精确到小数点后两位
- 图形图像技术在手游中的潜在应用
- 0间隔24h采集线报+源码的资源网
- Debian/Ubuntu系统下,apt-get update 、apt-get upgrade 、apt-get dist-upgrade 命令之间的区别
- Android Framebuffer设置分辨率
- Could not find com.android.support:appcompat-v7:25.3.1.
- sql优化的几种方法
- 渗透工具环境篇——Cknife中国菜刀的使用
- 《大数据之路-阿里巴巴大数据实践》第十六章 数据应用
- dw怎么在框架中加入网页_DW中制作框架网页.ppt
- 【技术贴】Pdf压缩利器--PDFshrink使用教程
- 华为S5700交换机配置 不同vlan 间通信---eNSP
- 20190916CF训练
- 人工智能定义的 IT 基础设施浅析
- 四选一多路开关电路描述
- 小蜜蜂商城系统解析,结合众筹卖货活动,流水千万
- win7虚拟机使用nat模式配置静态IP上网
- 20145212 罗天晨 信息搜集与漏洞扫描
- linux管道的使用
热门文章
- Python进阶之Scrapy利用ImagesPipeline抓取汽车之家宝马5系缩略图
- 三相桥式PWM整流电路 整流电路采用全控型三相桥式整流
- ESP8266 01S 继电器控制智能灯实现
- linux服务器怎么设置ssr协议参数,SSR协议和混淆插件说明 | 轩钰博客
- 计算机网络专业单招考试科目,2018年辽宁交专单独招生对口升学类招生计算机网络专业综合课考试大纲...
- Oracle Golden Gate 配置
- 解决 docker exec 报错 Error response from daemon: Container XXXXX is not running
- 北斗词卡(一):看懂这些缩略词,你可以更了解北斗!
- 1134 最长递增子序列(时间复杂度O(n*log(n))
- simulink二次调频风机储能水轮机水电火电汽轮机二次调频,有随机扰动负荷