【优化分类】基于matlab哈里斯鹰算法优化BP神经网络分类【含Matlab源码 1725期】

一、获取代码方式

获取代码方式1：
完整代码已上传我的资源：【优化分类】基于matlab哈里斯鹰算法优化BP神经网络分类【含Matlab源码 1725期】

获取代码方式2：
通过订阅紫极神光博客付费专栏，凭支付凭证，私信博主，可获得此代码。

备注：
订阅紫极神光博客付费专栏，可免费获得1份代码（有效期为订阅日起，三天内有效）；

二、部分源代码

%% 读取训练数据 读进来后归一化存放在inputTrain中， outputTrain为训练数据的实际类别
%读取数据iris数据，该数据的特征为4维，类别一共3个类别
%f1,f2,f3,f4为特征，class为类别，1，2，3分别代表属于3个类别
warning off;
[f1,f2,f3,f4,class] = textread('irisTrain.data', '%f%f%f%f%f', 'delimiter', ',');
%特征值归一化
[inputTrain,minI,maxI] = premnmx([f1 , f2 , f3 , f4 ]') ;
%构造输出矩阵
s = length(class) ;
outputTrain = zeros(s,3) ;
%output每行代表属于哪类，比如1,0,0代表第一类，0，1，0代表第二类，0，0，1代表第三类
for i = 1 : s
outputTrain(i , class(i)) = 1 ;
end
%% 读取测试数据 读进来后归一化存放在testInput中， outputTest为测试数据的实际类别
[t1 t2 t3 t4 classT] = textread('irisTest.data', '%f%f%f%f%f', 'delimiter', ',');
%测试数据归一化
testInput = tramnmx ( [t1,t2,t3,t4]' , minI, maxI );
s = length(classT) ;
outputTest = zeros(s,3) ;
%output每行代表属于哪类，比如1,0,0代表第一类，0，1，0代表第二类，0，0，1代表第三类
for i = 1 : s
outputTest(i , classT(i)) = 1 ;
end

%% 构造网络结构
%创建神经网络
inputnum = 4;     %inputnum  输入层节点数 4维特征
hiddennum = 10;     %hiddennum  隐含层节点数
outputnum = 3;     %outputnum  隐含层节点数
%% 构造哈里斯鹰优化器
popsize = 20;%种群数量
Max_iteration = 20;%最大迭代次数
lb = -5;%权值阈值下边界
ub = 5;%权值阈值上边界
%  inputnum * hiddennum + hiddennum*outputnum 为权值的个数
%  hiddennum + outputnum 为阈值的个数
dim =  inputnum * hiddennum + hiddennum*outputnum + hiddennum + outputnum ;%  inputnum * hiddennum + hiddennum*outputnum维度
fobj = @(x)funBP(x,inputnum,hiddennum,outputnum,inputTrain,outputTrain,testInput,outputTest);
[Best_score,Best_pos,HHO_cg_curve,net]=HHO(popsize,Max_iteration,lb,ub,dim,fobj);

figure
plot(HHO_cg_curve,'Color','r')
title('Objective space')
xlabel('Iteration');
ylabel('Best score obtained so far');
legend('HHO')
grid on;
disp('初始化阈值与权值信息：')
Best_pos
%测试测试集识别准确率
Y = sim( net , testInput );
Y = Y';
%统计分类正确率
count = 0;
for i = 1:size(Y,1)
   [~,index] = max(Y(i,:));%因为类别已经转换为001，100，这些，所以找到最大值位置即为类别
   [~,index1] = max(outputTest(i,:)); 
   if(index==index1)
       count = count+1;
   end
end

三、运行结果

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例（第2版）[M].电子工业出版社，2016.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社，2017.

标签：outputnum,outputTest,分类,源码,inputnum,f%,类别,优化,hiddennum
来源： https://blog.csdn.net/TIQCmatlab/article/details/123041784