分類預測 | SSA-HKELM-Adaboost麻雀算法優化混合核極限學習機的數據分類預測

分類效果

基本描述

1.SSA-HKELM-Adaboost麻雀算法優化混合核極限學習機的數據分類預測（完整源碼和數據)
2.自帶數據，多輸入，單輸出，多分類。程序可出分類效果圖，迭代圖，混淆矩陣圖。
3.直接替換數據即可使用，保證程序可正常運行。運行環境MATLAB2018及以上。
4.代碼特點：參數化編程、參數可方便更改、代碼編程思路清晰、注釋明細。

程序設計

• 完整程序和數據私信博主回復SSA-HKELM-Adaboost麻雀算法優化混合核極限學習機的數據分類預測。

for i=1:size(SalpPositions,1)SalpPositions= SalpPositions';if i<=N/2for j=1:1:dimc2=rand();c3=rand();%%%%%%%%%%%%% % Eq. (3.1) in the paper %%%%%%%%%%%%%%if c3<0.5 SalpPositions(j,i)=FoodPosition(j)+c1*((ub(j)-lb(j))*c2+lb(j));elseSalpPositions(j,i)=FoodPosition(j)-c1*((ub(j)-lb(j))*c2+lb(j));end%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%endelseif i>N/2 && i<N+1point1=SalpPositions(:,i-1);point2=SalpPositions(:,i);SalpPositions(:,i)=(point2+point1)/2; % % Eq. (3.4) in the paperendSalpPositions= SalpPositions';endfor i=1:size(SalpPositions,1)Tp=SalpPositions(i,:)>ub';Tm=SalpPositions(i,:)<lb';SalpPositions(i,:)=(SalpPositions(i,:).*(~(Tp+Tm)))+ub'.*Tp+lb'.*Tm;SalpFitness(1,i)=fobj(SalpPositions(i,:));if SalpFitness(1,i)<FoodFitnessFoodPosition=SalpPositions(i,:);FoodFitness=SalpFitness(1,i); endendConvergence_curve(l)=FoodFitness;

參考資料

[1] https://blog.csdn.net/kjm13182345320/article/details/129036772?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/kjm13182345320/article/details/128690229