【2024新算法】LEA-LSTM分类，莲花效应算法优化长短期记忆神经网络的数据分类预测，LEA-LSTM分类预测，多输入单输出模型。莲花效应优化算法Lotus effect optimizati

【2024新算法】LEA-LSTM分类，莲花效应算法优化长短期记忆神经网络的数据分类预测，LEA-LSTM分类预测，多输入单输出模型。

莲花效应优化算法Lotus effect optimization algorithm，LEA的元启发式算法。它将蜻蜓算法中的高效算子(比如蜻蜓在花授粉过程中的运动)与叶子上的水的自清洁特性(莲花效应)相结合，进行局部搜索操作。该成果于2024年最新发表在SCI期刊 Journal of Supercomputing 。

1.运行环境要求MATLAB版本为2018b，多特征输入单输出的二分类及多分类模型。程序内注释详细，直接替换数据就可以用。

2.程序语言为matlab，程序可出分类效果图，迭代优化图，混淆矩阵图。

3.多边形面积PAM，分类准确率，灵敏度，特异性，曲线下面积AUC，Kappa系数，F_measure。

LEA优化EMD/VMD/ICCEMD/SVM/LSSVM/ELM/BP/KELM/RF/DELM/LSTM/BILSTM/GRU/HKELM/XGboost/PNN/CNN/VMD/ICEEMDAN/组合模型CNN-SVM/CNN-LSTM/CNN-GRU/CNN-BiLSTM/LSTM-Attention/GRU-Attention/CNN-LSTM-Attention/TCN/TCN-LSTM/TCN-BILSTM/TCN-GRU/TCN-BIGRU/BITCN/BITCN-LSTM/BITCN-BILSTM/BITCN-GRU/BITCN-BIGRU/Transformer/Transformer-LSTM/Transformer-BILSTM/Transformer-GRU/Transformer-BIGRU等等多种分类/回归/时序/分解/区间预测/多输入多输出/聚类/组合预测模型，具体私信。

%% 清空环境变量

warning off % 关闭报警信息

close all % 关闭开启的图窗

clear % 清空变量

clc % 清空命令行

%% 读取数据

res = xlsread('数据集.xlsx');

num_res = size(res, 1); % 样本数（每一行，是一个样本）

res = res(randperm(num_res), :); % 打乱数据集（不打乱数据时，注释该行）

%% 划分训练集和测试集%

P_train = res(1: 250, 1: 12)';

T_train = res(1: 250, 13)';

M = size(P_train, 2);

P_test = res(251: end, 1: 12)';

T_test = res(251: end, 13)';

N = size(P_test, 2);

num_dim = size(P_train, 1); % 特征维度

num_class = length(unique(res(:, end))); % 类别数（Excel最后一列放类别） % 类别数（Excel最后一列放类别）

%% 数据转置

% P_train = P_train'; P_test = P_test';

% T_train = T_train'; T_test = T_test';

%% 得到训练集和测试样本个数

M = size(P_train, 2);

N = size(P_test , 2);

%% 数据归一化

[P_train, ps_input] = mapminmax(P_train, 0, 1);

P_test = mapminmax('apply', P_test, ps_input);

t_train = categorical(T_train)';

t_test = categorical(T_test )';

智能算法及其模型预测