log

package com.zjapl.core;


import org.apache.commons.logging.LogFactory;
import org.apache.log4j.Logger;
import org.apache.log4j.PropertyConfigurator;


import com.janeky.log.Log;
import com.zjapl.sms.dt.client.DTClientManager;




public class Jiank extends Thread {
//Logger实例
private Logger loger;
//将Log类封装成单实例的模式,独立于其他类。以后要用到日志的地方只要获得Log的实例就可以方便使用
private static Jiank log;
//构造函数,用于初始化Logger配置需要的属性
private Jiank()
{
 //获得当前目录路径
 String filePath=this.getClass().getResource("/").getPath();
 //找到log4j.properties配置文件所在的目录(已经创建好)
 filePath=filePath.substring(1).replace("bin", "src");
 //获得日志类loger的实例
 loger=Logger.getLogger(this.getClass());
 //loger所需的配置文件路径
 PropertyConfigurator.configure("F:/项目/APL-APPJK-1.0/src/log4j.properties");
}

static Jiank getLoger()
{
 if(log!=null)
  return log;
 else
  return new Jiank();
}
 

 public void run() {
 Jiank log=Jiank.getLoger();
 while(true){
 try {
Thread.sleep(1000);
} catch (InterruptedException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
 try {
int key = DTClientManager.connectShort(
"192.168.10.218", 9191,
new SCManager());
DTClientManager.close(key);
// log.info("连接成功...");


System.out.println("success");
} catch (Exception e) {
// log.info("连接失败...");
log.loger.error("something u like to record", e);
System.out.println("false");
}
 }
   }

 public static void main(String[] args) {  


Jiank jkThread = new Jiank();
Thread thread = new Thread(jkThread); 
// System.out.println("MyThread.run()"); 
thread.start();
}
}

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