• 大小: 2KB
    文件类型: .m
    金币: 1
    下载: 0 次
    发布日期: 2021-05-29
  • 语言: Matlab
  • 标签: ,PSO算法  

资源简介

提出一种基于粒子群算法优化极限学习机算法。采用粒子群算法对极限学习机参数进行优化,最后在Matlab平台进行仿真对比实验。

资源截图

代码片段和文件信息

clear all;
close all;
clc;

n=20;   %粒子群粒子个数
hi = 200;       %NumberofHiddenNeurons
% load ./dataset_of_fingerprint/train_data;
load train_data;
traindata.P = train_data(:2:size(train_data2))‘;
traindata.T = train_data(:1)‘;
traindata.Ntr = size(traindata.P2);
traindata.Nin = size(traindata.P1);
traindata.Nhi = hi;
save traindata traindata;

NumberofTrainingData=traindata.Ntr;
NumberofInputNeurons=traindata.Nin;
NumberofHiddenNeurons=traindata.Nhi;


    %初始化粒子群,定义结构体
    %结构体中八个元素,分别是粒子坐标,粒子速度,粒子适应度,粒子最佳适应度,粒子最佳坐标
    par=struct([]);
    for i=1:n
        par(i).x=rand(NumberofHiddenNeuronsNumberofInputNeurons+1)*2-1;   %[-100 100]对x位置随机初始化
        par(i).vx=-1+2*rand(NumberofHiddenNeuronsNumberofInputNeurons+1);      %[-1 1]对vx速度随机初始化
    

评论

共有 条评论