极限学习机分类，绝对可以完美运行

用极限学习机分类，里面有完整的程序，欢迎前来下载，你值得拥有！一定完美运行，可以的话，欢迎好评。

%% 极限学习机在分类问题中的应用研究

%% 清空环境变量
clear all
clc
warning off


%% 导入数据
data=xlsread（‘排列熵.xlsx‘）;%读取所有的样本熵特征
%输入输出数据
input=data（:2:5）;
output=data（:1）;
% 训练集——30个样本
P_train=[input（1:10:）;input（26:35:）;input（51:60:）]‘;
T_train=[output（1:10:）;output（26:35:）;output（51:60:）]‘;
% 测试集——45个样本
P_test=[input（11:25:）;input（36:50:）;input（61:75:）]‘;
T_test=[output（11:25:）;output（36:50:）;output（61:75:）]‘;

%% ELM创建/训练
[IWBLWTFTYPE] = elmtrain（P_trainT_train15‘sig‘1）;%里面的参数至关重要，之前是100，正确率很低

%% ELM仿真测试
T_sim_2 = elmpredict（P_testIWBLWTFTYPE）;

%% 结果对比
result_2 = [T_test‘ T_sim_2‘];

% 测试集正确率
k2 = length（find（T_test == T_sim_2））;
n2 = length（T_test）;
Accuracy_2 = k2 / n2 * 100;
disp（[‘测试集正确率Accuracy = ‘ num2str（Accuracy_2） ‘%（‘ num2str（k2） ‘/‘ num2str（n2） ‘）‘]）

% ----------------测试集的实际分类和预测分类图---------------
figure;
hold on;
plot（T_test‘o‘）;
plot（ T_sim_2‘r*‘）;
xlabel（‘测试集样本‘‘FontSize‘12）;
ylabel（‘类别标签‘‘FontSize‘12）;
legend（‘实际测试集分类‘‘预测测试集分类‘）;
string = {‘测试集预测结果对比（ELM）‘;[‘（正确率Accuracy = ‘ num2str（Accuracy_2） ‘%）‘ ]};
title（string）
grid on;



%% 极限学习机在分类问题中的应用研究

%% 清空环境变量
clear all
clc
warning off


%% 导入数据
data=xlsread（‘排列熵.xlsx‘）;%读取所有的样本熵特征
%输入输出数据
input=data（:2:5）;
output=data（:1）;
% 训练集——30个样本
P_train=[input（1:10:）;input（26:35:）;input（51:60:）]‘;
T_train=[output（1:10:）;output（26:35:）;output（51:60:）]‘;
% 测试集——45个样本
P_test=[input（11:25:）;input（36:50:）;input（61:75:）]‘;
T_test=[output（11:25:）;output（36:50:）;output（61:75:）]‘;
[IWBLWTFTYPE] = elmtrain（P_trainT_train20‘sig‘1）;

%% ELM仿真测试
T_sim_1 = elmpredict（P_trainIWBLWTFTYPE）;
T_sim_2 = elmpredict（P_testIWBLWTFTYPE）;

%% 结果对比
result_1 = [T_train‘ T_sim_1‘];
result_2 = [T_test‘ T_sim_2‘];
% 训练集正确率
k1 = length（find（T_train == T_sim_1））;
n1 = length（T_train）;
Accuracy_1 = k1 / n1 * 100;
disp（[‘训练集正确率Accuracy = ‘ num2str（Accuracy_1） ‘%（‘ num2str（k1） ‘/‘ num2str（n1） ‘）‘]）
% 测试集正确率
k2 = length（find（T_test == T_sim_2））;
n2 = length（T_test）;
Accuracy_2 = k2 / n2 * 100;
disp（[‘测试集正确率Accuracy = ‘ num2str（Accuracy_2） ‘%（‘ num2str（k2） ‘/‘ num2str（n2） ‘）‘]）
N=45;
figure（1）
plot（1:NT_test（1:）‘b:o‘1:NT_sim_2（1:）‘r-*‘）
grid on
legend（‘真实值‘‘预测值‘）
xlabel（‘样本编号‘）
ylabel（‘故障类别‘）
string = {‘测试集预测结果对比（ELM）‘;[‘（正确率Accuracy = ‘ num2str（Accuracy_2） ‘%）‘ ]};
title（string）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-10-12 10:39  ELM分类\
     文件        2667  2018-10-08 20:05  ELM分类\elm.m
     文件        1454  2013-01-30 09:36  ELM分类\elmpredict.m
     文件        1752  2013-01-30 09:36  ELM分类\elmtrain.m
     文件       13098  2018-09-23 16:32  ELM分类\排列熵.xlsx