MySQL数据库的基本操作

create databases; -- 创建数据库

show datebases; -- 显示所有数据库

use 数据库名;  -- 使用数据库

create table 表名;  -- 创建表

show tables; -- 显示所有表;

drop database 数据库名,; -- 删库

drop table 表名;  -- 删表

 

数据库数据 类型

char(10) 五个汉字或者10个字母,数字

varchar(10) 区别与char(10)  用不完的空间不会返还给系统

float 小数        int 整数           bit 0/1  布尔    data/ datatime 日期

六大约束 (

主键 primary key                非空 not null             默认 default

外键 foreign                        唯一 unique             检查 check

)

insert into t_student(sid,sname,sage,ssex,sphone,tid)

values(1,'张宇',22,'男','13579246810','10086');

 

 

-- 修改

update t_student set sname='张三',sage=23,sphone='13111111111' where sid = 6;

 

-- 删除=,>,<,!=,

delete from t_student where sid = 6;

 

-- 查询所有,下面可以用*代替

select sid,sname,sage,sphone,ssex from t_student;

 

select sid,sname,sage,sphone,ssex from t_student

where sid = 6;

 

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值