数学建模社区-数学中国

标题: ELM的回归拟合——基于近红外光谱的汽油辛烷值预测鸢尾花种类识别 [打印本页]

---

作者: 2744557306    时间: 2023-11-22 17:49
标题: ELM的回归拟合——基于近红外光谱的汽油辛烷值预测鸢尾花种类识别
这段MATLAB代码实现了使用极限学习机（Extreme Learning Machine，ELM）进行回归的过程。下面是代码的主要功能和步骤的解释：
( l7 g5 M* H6 D" i
1.数据加载和划分：
! O+ ?% z- P/ A5 ~6 f
% _% {: L) [* i, N1 d& v. l2.通过加载 spectra_data.mat 文件获取NIR（近红外光谱）和辛烷值数据。
3.随机将数据集分为训练集和测试集，其中训练集有50个样本，测试集有10个样本。

1. load spectra_data.mat
   * d/ H. R  n. k/ e+ X' N( h& p
2. 
   : d9 \! y  a& A. C
3. temp = randperm(size(NIR,1));
   
4. 
   * W# h8 K  ~$ i  ^. x( T
5. P_train = NIR(temp(1:50),:)';
   & p$ [; v0 k$ ~/ C
6. 
   ) q. ]1 g! x1 P2 b* j) U5 L
7. T_train = octane(temp(1:50),:)';
   % g& J  `3 w9 c3 |) m. K
8. 
   9 B0 ]9 O8 O$ l+ m6 Z4 \: ^$ ~; N$ z
9. P_test = NIR(temp(51:end),:)';
   
10. 
    
11. T_test = octane(temp(51:end),:)';
    
12. 
    
13. N = size(P_test,2);

复制代码

4.数据归一化：

' V1 m- I- L8 }' k+ F- q5.对训练集和测试集的输入和输出进行归一化。

1. [Pn_train,inputps] = mapminmax(P_train);
   
2. 
   
3. Pn_test = mapminmax('apply',P_test,inputps);
   
4. 
   
5. [Tn_train,outputps] = mapminmax(T_train);
   
6. 
   
7. Tn_test = mapminmax('apply',T_test,outputps);

复制代码

6.ELM模型创建/训练：


" M3 C+ L1 s" Y5 m0 c' e7.使用 elmtrain 函数创建并训练ELM模型。该模型有30个隐含层神经元，激活函数为sigmoid函数。

1. [IW,B,LW,TF,TYPE] = elmtrain(Pn_train,Tn_train,30,'sig',0);

复制代码

8.ELM模型仿真测试：
! O7 b) R: X2 `9.使用 elmpredict 函数对测试集进行仿真测试，得到预测结果。

1. tn_sim = elmpredict(Pn_test,IW,B,LW,TF,TYPE);
   5 |8 ?$ O+ x% V7 _+ `% \* A
2. 
   0 H6 T. j8 X. S$ U* h
3. T_sim = mapminmax('reverse',tn_sim,outputps);

复制代码

10.结果评估：
, t3 V" |. e5 Q. \11.将真实值和预测值组合成一个矩阵 result。
7 J; c" s3 F* `5 _3 }  U12.计算均方误差（MSE）和决定系数（R^2）。

1. result = [T_test' T_sim'];
   
2. 
   
3. E = mse(T_sim - T_test);
   0 G/ s5 J' j8 R5 }/ S6 |& f" z
4. 
   " J5 B. \, l! V+ V, |/ b# _
5. N = length(T_test);
   0 Q: ?& c; @8 U
6. 
   $ g% W% l, Z4 K7 n5 k5 e
7. 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));

复制代码

13.结果可视化：
( E0 L: {9 F6 i2 a) u& N' ~14.绘制真实值和预测值的对比图。
- O9 l) A3 J/ A- H15.在图标题中显示均方误差（MSE）和决定系数（R^2）。

1. figure(1)
   8 h! f% k9 K5 w4 K( j
2. 
   
3. plot(1:N,T_test,'r-*',1:N,T_sim,'b:o')
   2 u0 h) G' s% W- Z' f
4. 
   
5. grid on
   8 }: o$ r% m! f
6. 
   
7. legend('真实值','预测值')
   
8. 
   
9. xlabel('样本编号')
   
10. 
      V& s0 j+ P1 c8 s
11. ylabel('辛烷值')
    1 J5 d2 p) T" P% r7 C+ _% D
12. 
    0 \; m! Z7 k6 _! d/ P6 Z& g+ x
13. string = {'测试集辛烷值含量预测结果对比(ELM)';['(mse = ' num2str(E) ' R^2 = ' num2str(R2) ')']};
    ) ?4 Z* Q3 e: b
14. 
    0 q' y* q! ~& O* V! l( D! \
15. title(string)

复制代码

综合而言，这段代码通过ELM模型对近红外光谱数据进行回归预测，并通过图表展示了预测结果的准确性。
& n3 T, h* M. d% Q2 U' g( p; ]
7 a4 P: P3 c- @0 I7 `4 J( b% W
5 N8 @8 ]9 [; `6 c7 a$ f
  N: }7 _+ X) m& q: {& ^6 i) n: f

chapter30 极限学习机的回归拟合及分类——对比实验研究.rar

2023-11-22 17:48 上传

点击文件名下载附件

下载积分: 体力 -2 点

171.96 KB, 下载次数: 0, 下载积分: 体力 -2 点

售价: 2 点体力  [记录]  [购买]

---

欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)

Powered by Discuz! X2.5