1 簡(jiǎn)介

為了提高極限學(xué)習(xí)機(jī)(ELM)的分類(lèi)正確率,采用遺傳算法對(duì)懲罰系數(shù),寬度參數(shù)兩個(gè)參數(shù)進(jìn)行優(yōu)化.首先,根據(jù)乳腺良惡性腫瘤數(shù)據(jù)庫(kù)訓(xùn)練集并利用遺傳算法優(yōu)化核極限學(xué)習(xí)機(jī);然后,通過(guò)GA-ELM和ELM對(duì)測(cè)試集進(jìn)行分類(lèi)診斷;最后,對(duì)比分析GA-ELM和ELM的分類(lèi)性能,測(cè)試結(jié)果表明,GA-ELM的總體診斷正確率相較于ELM提高了10%,且惡性腫瘤的診斷正確率明顯優(yōu)于ELM.

2 部分代碼

%子程序：計(jì)算適應(yīng)度函數(shù), 函數(shù)名稱(chēng)存儲(chǔ)為fitnessfun function function [Fitvalue,cumsump]=fitnessfun(population);global BitLengthglobal boundsbeginglobal boundsend popsize=size(population,1); ? %計(jì)算個(gè)體個(gè)數(shù)for i=1:popsize ? ? ?x=transform2to10(population(i,:)); ?%將二進(jìn)制轉(zhuǎn)換為十進(jìn)制 ? ? ? ?%轉(zhuǎn)化為[-1,1]區(qū)間的實(shí)數(shù) ? ? ? ?xx=boundsbegin+x*(boundsend-boundsbegin)/(power(2,BitLength)-1); ? ?Fitvalue(i)=targetfun(xx); ?%計(jì)算函數(shù)值，即適應(yīng)度end%給適應(yīng)度函數(shù)加上一個(gè)大小合理的數(shù)以便保證種群適應(yīng)值為正數(shù) Fitvalue=Fitvalue'; %計(jì)算選擇概率fsum=sum(Fitvalue); ?Pperpopulation=Fitvalue/fsum; ?%適應(yīng)度歸一化%計(jì)算累積概率cumsump(1)=Pperpopulation(1) ;for i=2:popsize ? ? ?cumsump(i)=cumsump(i-1)+Pperpopulation(i) ?;%求累計(jì)概率 endcumsump=cumsump' ; ?%累計(jì)概率 ?end

3 仿真結(jié)果

4 參考文獻(xiàn)

[1]姚鵬. 基于遺傳算法的加權(quán)ELM分類(lèi)模型中權(quán)重學(xué)習(xí)[D]. 深圳大學(xué), 2018.

博主簡(jiǎn)介：擅長(zhǎng)智能優(yōu)化算法、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)、信號(hào)處理、元胞自動(dòng)機(jī)、圖像處理、路徑規(guī)劃、無(wú)人機(jī)等多種領(lǐng)域的Matlab仿真，相關(guān)matlab代碼問(wèn)題可私信交流。

部分理論引用網(wǎng)絡(luò)文獻(xiàn)，若有侵權(quán)聯(lián)系博主刪除。