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

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 ...

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

输出结果

代码设计

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

最新文章

热门文章