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 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)
相关文章
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相关推荐
- 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_trai ...
- 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
- python中not 和 is None的区别
- C#正则表达式获取组名,按照组名输出匹配内容
- boost::mp11::mp_sort_q相关用法的测试程序
- Golang 连接Kafka
- Weekly Challenges - Week 11
- SqlException (0x80131904): 将截断字符串或二进制数据。
- android 滚动列表框,建立滚动列表框
- 创新数字音频处理技术带来消费电子产品差异化用户体验(转)
- matlab将程序变量写入标题,如何该这段MATLAB程序(把一个常量改成变量)
- 微课|玩转Python轻松过二级(3.1节):列表推导式与切片
- 埃斯顿服务器上电无显示,埃斯顿伺服常见现象报警及排除
- 【编译原理笔记20】代码生成:代码生成器的主要任务,一个简单的目标机模型,指令选择,寄存器的选择,寄存器选择函数getReg的设计,窥孔优化
- 【CAD】DWF文件格式详细说明,清晰易懂
- 转载:bat批处理简易教程
- 马来西亚动画片《Ribbit》将在尼亚加拉电影节中首映
- 最小二乘估计,矩阵求导法(正规方程)全推导
- java 引用其他类_java如何调用其他类中的方法?
- 利用黑客手段一台手机“变”出千万台,新型诈骗技术曝光
- 手把手教你学javaweb(五)文件的上传和下载
- requests爬取去哪儿网站
热门文章
- mingw编译ffmpeg 错误:Unknown option --enable-memalign-hack
- RocketMQ原理解析-producer 4.发送分布式事物消息
- Linux命令行之逗趣无极限
- python脚本在命令行中传递参数(附字符查找小案例)
- 关于TP-LINK宽带路由器上的“转发规则”功能用途及设置办法
- 分布式事务科普(终结篇)
- 如此火爆的ZooKeeper,到底如何选主?
- 后台开发技术(1)--概述
- 【报错】no main manifest attribute, in xxxx.jar
- 如何双击运行可执行的jar包-包懂