xq_520的博客

神经网络GUI实现一、启动二、导入数据三、创建网络四、开始训练五、网络测试六、结果导出一、启动在MATLAB命令行中输入nntool/nnstart。本文以nntool为例：nntool弹出界面如下：二、导入数据按照相同的方法导入目标数据，即标签数据。数据导入完成后，关闭数据导入界面：三、创建网络四、开始训练和利用函数训练时一样：五、网络测试六、结果导出...

本文是基于CSP特征、POWER特征和CSP+POWER特征，利用BP神经网络模型进行左右手想象运动分类。BP网络参数设置为：隐含层层数，从1层递增至3层，隐含层节点数，从3个递增至8个，一共18个不同的网络模型。 首先，针对每个被试，利用BP网络计算分类准确率，选择最高准确率对应的网络模型作为其分类模型。 然后，将所有被试的数据进行整体分类，计算准确率，选择最好准确率对应的网络模型作为综合分类模型。

function Circle( x, y, r )theta = 0:2*pi/3600:2*pi;% 利用极坐标得到圆的坐标Circle1 = x + r*cos(theta);Circle2 = y + r*sin(theta);% 画圆plot(Circle1,Circle2,'--k')axis equal

没事干，就想写点什么，于是就：function dist = Distance(X,Y) dist = sqrt(sum((X - Y).^2));

%%%%% 感知机模型 %%%%%%%%function [w,b] = Perceptron(x, y, w, b, a, Iter)% 其中a为学习率 Iter为迭代次数for i = 1:Iter num = 0; for j = 1:length(y) if y(j)*(w*x(:,j)+b) <= 0 ...

利用MATLAB作图时，一些常用的函数命令：、figure()----创建新图窗；subplot(121)-----创建子图，12表示创建的子图为1行2列排列，1表示其中第一幅子图；xlim,ylim----横纵坐标的范围；xlabel,ylabel-----横纵坐标的名称；xticks,yticks-----横纵坐标刻度；xticklabels，yticklabels-----横纵坐...

%%%%% 此函数用来处理数据中的0值，主要的处理方法为：利用0值的前一个非0值替代0值function Y = NullComplet(X)if X(1) ~= 0 % 判断数据第一个值是否为0，若不是，则利用上述处理方法处理数据中的0。 for i = 2:length(X) if X(i) == 0 X(i) = X(i...

函数主要作用，将分类结果中’w’转换成1，'N1’转换成2，'N2’转换成3，'N3’转换成4，'REM’转换成5.%分类结果字符形式转换成数字形式，以便于作图function Y = StrR2NumR(X)Stage = {'w','N1','N2','N3','REM'}; %数据包含的5个类别名称for i = 1:length(X) flag = s...

function myInterP(path,outpath)%path 存放所有插值前文件的目录%outpath 存放所有插值后文件的目录namelist = dir([path,'*.txt']); %获取每个文件名，这里读取的是TXT文件x0 = linspace(0,30,3000); %插值前横坐标，共3000个点x1 = linspace(0,30,4800); ...

个人学习记录，只进行了书上例题的结果验证，没有改写成函数。%%%%%% 朴素贝叶斯算法 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%clcclearX = {1,'S';1,'M';1,'M';1,'S';1,'S';2,'S';2,'M';2,'M';2,'L';2,'L';3,'L';3,'M';3,'M';3,'L';3...

Logistic回归的目的是寻找一个非线性函数Sigmiod的最佳拟合参数，求解过程可以由最优化算法来完成 。在最优 算法中，最常用 的就是梯度上升算法，而梯度上升算法又可以简化为随机梯度上升法 。随机梯度上升算法与梯度上升算法的效果相当，但占用更少的计算资源。此外，随机梯度上升是一个在线算法，它可以在新数据到来时就完成参数更新，而不需要重新读取整个数据集来进行批处理运算。import num...

function MDSMat = MyMDS(DMat, k)%%%%参数 DMat 为距离（或相似度）矩阵%%%%参数 k 为降维的目标维度%%%%%%%%%%%%%%%%%%%%%%%%%%% example %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% D = [[0,587,1212,701,1936,604,748,2139,2182,54...

clcclear all% 导入数据load('S_Data.mat') % 预测S含量所用数据n =12; % n 是自变量的个数m = 1; % m 是因变量的个数% 读取训练数据train_num = 1600; %训练样本数train_Data = S_Data(1:train_num,:);train_Input = S_Data(1:train...

% clc% clear all% % 导入数据（原始数据）Data = xlsread('F:\实验数据\数据汇总表111','D:M'); figure(1)x3str={'z1','z2','z3','z4','z5','z6','z7','z8','z9','z10','z11','z12','z13','z14','z15'}bar(Data(1:15))xtextp...

% 数据可视化——变量相关性% 读取数据clcclear allload('Data.mat')% 绘制变量间相关性强度图covmat = corrcoef(Data);figure(1)x3str={'z1','z2','z3','z4','z5','z6','z7','z8','z9','z10','z11','z12','z13','z14','z15','z16','z...

clcclear all% 导入数据load('Data.mat')S_Data = Data(:,[1:27,29]);n = 27; % n 是自变量的个数m = 1; % m 是因变量的个数% 读取训练数据train_num = 1600; %训练样本数train_Data = S_Data(1:train_num,:);mu = mean(train_D...

需要下载工具箱，我下载的是：LSSVMlabv1_8_R2009b_R2011a，网上随便一搜就可以下载到。参数gam选取clcclear all%% 导入数据load('S_Data.mat') % 预测S含量所用数据n = 12; % n 是自变量的个数m = 1; % m 是因变量的个数%% 读取训练数据train_num = 1600; %训练样本...

clcclear all%% 导入数据load('S_Data.mat') % 预测S含量所用数据n = 12; % n 是自变量的个数m = 1; % m 是因变量的个数%% 读取训练数据train_num = 1600; %训练样本数train_Data = S_Data(1:train_num,:);% 特征值归一化[train_Input,min...

'''优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据缺点：可能会产生过度匹配问题适用数据类型：数值型和标称型信息增益：ID3 信息增率：C4.5基尼指数：CART'''from math import logimport operator#计算给定数据集的香农熵def calcShannonEnt(dataSet): nu...

ML新手日常学习记录代码基于python3.5‘’’优点：精度高、对异常值不敏感、无数据输入假定。缺点：计算复杂度高、空间复杂度高。适用数据范围：数值型和标称型。k-近邻算法是分类数据最简单最有效的算法，它是基于实例的学习，使用算法时必须有接近实际数据的训练样本数据k-近邻算法必须保存全部数据集，若训练数据集很大，就必须使用大量的存储空间k-近邻算法对每个数据计算距离值，计算比较耗...

clcclear all%% 导入数据及处理load('Data_shuxing')%数据标准化处理n = size(Data_shuxing,2);for i = 1:n SA(:,i) = (Data_shuxing(:,i)-mean(Data_shuxing(:,i)))/std(Data_shuxing(:,i));end%% 计算相关系数矩阵的特征值和特征向量...

import numpy as npdef loadDataSet(): #实验样本 postingList = [['my', 'dog', 'has', 'flea', 'problems', 'help', 'please'], ['maybe', 'not', 'take', 'him', 'to', 'dog', 'park', '...