分类预测 | MATLAB实现DBN-SVM深度置信网络结合支持向量机多输入分类预测-Toy模板网

这篇具有很好参考价值的文章主要介绍了分类预测 | MATLAB实现DBN-SVM深度置信网络结合支持向量机多输入分类预测。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

分类预测 | MATLAB实现DBN-SVM深度置信网络结合支持向量机多输入分类预测

预测效果

分类预测 | MATLAB实现DBN-SVM深度置信网络结合支持向量机多输入分类预测,分类预测,DBN-SVM,深度置信网络结合支持向量机,多输入分类预测

基本介绍

1.分类预测 | MATLAB实现DBN-SVM深度置信网络结合支持向量机多输入分类预测
2.代码说明：要求于Matlab 2021版及以上版本。

程序设计

完整程序和数据获取方式1：同等价值程序兑换；
完整程序和数据获取方式2：私信博主回复 MATLAB实现DBN-SVM深度置信网络结合支持向量机多输入分类预测获取。

%%  划分训练集和测试集
P_train = res(1: num_train_s, 1: f_)';
T_train = res(1: num_train_s, f_ + 1: end)';
M = size(P_train, 2);

P_test = res(num_train_s + 1: end, 1: f_)';
T_test = res(num_train_s + 1: end, f_ + 1: end)';
N = size(P_test, 2);

%%  数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);
p_test = mapminmax('apply', P_test, ps_input);

[t_train, ps_output] = mapminmax(T_train, 0, 1);
t_test = mapminmax('apply', T_test, ps_output);
dbn = dbnsetup(dbn, p_train, opts);     % 建立模型
dbn = dbntrain(dbn, p_train, opts);     % 训练模型
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%%  训练权重移植，添加输出层
nn = dbnunfoldtonn(dbn, num_class);

%%  反向调整网络
opts.numepochs          = 576;  % 反向微调次数
opts.batchsize          = M;            % 每次反向微调样本数 需满足：（M / batchsize = 整数）

nn.activation_function  = 'sigm';       % 激活函数
nn.learningRate         = 2.9189;       % 学习率
nn.momentum             = 0.5;          % 动量参数
nn.scaling_learningRate = 1;            % 学习率的比例因子

[nn, loss, accu] = nntrain(nn, p_train, t_train, opts);  % 训练
%-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
%%  仿真预测 
T_sim1 = nnpredict(nn, p_train); 
T_sim2 = nnpredict(nn, p_test );

%%  性能评价
error1 = sum((T_sim1' == T_train)) / M * 100 ;
error2 = sum((T_sim2' == T_test )) / N * 100 ;
https://blog.csdn.net/kjm13182345320/article/details/131174983
版权声明：本文为CSDN博主「机器学习之心」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/kjm13182345320/article/details/130462492

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/129679476?spm=1001.2014.3001.5501
[2] https://blog.csdn.net/kjm13182345320/article/details/129659229?spm=1001.2014.3001.5501
[3] https://blog.csdn.net/kjm13182345320/article/details/129653829?spm=1001.2014.3001.5501文章来源地址https://www.toymoban.com/news/detail-657600.html

到了这里，关于分类预测 | MATLAB实现DBN-SVM深度置信网络结合支持向量机多输入分类预测的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！