Using Ibatis 1

1.mapping file: site.xml

<?xml version="1.0" encoding="UTF-8" ?>

<!DOCTYPE sqlMap
PUBLIC "-//ibatis.apache.org//DTD SQL Map 2.0//EN"
"http://ibatis.apache.org/dtd/sql-map-2.dtd">

<sqlMap namespace="SiteConfig">

<typeAlias alias="SiteConfig"
type="com.dingfei.vo.SiteConfig" />

<resultMap id="SiteConfigMap" class="SiteConfig">
<result property="siteID" column="SITEID"/>
<result property="itemName" column="ITEMNAME"/>
<result property="itemValue" column="ITEMVALUE"/>
</resultMap>

<parameterMap id="SiteConfigParamMap" class="SiteConfig">
<parameter property="siteID" />
<parameter property="itemName" />
<parameter property="itemValue" />
</parameterMap>

<!-- using VOMap as resultMap -->
<select id="selectAllSiteConfig" resultMap="SiteConfigMap">
Select SITEID,ITEMNAME,ITEMVALUE from siteConfig
</select>

<select id="updateSite" parameterClass="java.util.HashMap">
update siteConfig
set ITEMVALUE=#itemvalue#
where SITEID = #siteid# and ITEMNAME=#itemname#
</select>

<!-- using HashMap as parameterClass-->
<insert id="insertSiteByMap" parameterClass="java.util.HashMap">
insert into siteConfig(SITEID,ITEMNAME,ITEMVALUE)
values(#siteid#,#itemname#,#itemvalue#)
</insert>

<!-- using HashMap as parameterClass, PK-siteid is auto-increment -->
<insert id="insertSiteByMapWithoutSiteID" parameterClass="java.util.HashMap">
insert into siteConfig(ITEMNAME,ITEMVALUE)
values(#itemname#,#itemvalue#)
</insert>

<!-- using VO mapping as parameterClass -->
<insert id="insertSiteByVO" parameterClass="SiteConfig">
insert into siteConfig(SITEID,ITEMNAME,ITEMVALUE)
values(#siteID#,#itemName#,#itemValue#)
</insert>

<!-- using VOMap as parameterMap-->
<insert id="insertSiteByVOMap" parameterMap="SiteConfigParamMap">
insert into siteConfig(SITEID,ITEMNAME,ITEMVALUE)
values(?,?,?)
</insert>

<delete id="deleteSiteBySiteID">
delete
from siteConfig
where siteID = #siteid#
</delete>
</sqlMap>


2. employee.xml

<?xml version="1.0" encoding="UTF-8" ?>

<!DOCTYPE sqlMap
PUBLIC "-//ibatis.apache.org//DTD SQL Map 2.0//EN"
"http://ibatis.apache.org/dtd/sql-map-2.dtd">

<sqlMap namespace="Employee">

<typeAlias alias="Employee"
type="com.dingfei.vo.Employee" />

<resultMap id="EmployeeMap" class="Employee">
<result property="userName" column="username"/>
<result property="email" column="email"/>
</resultMap>

<select id="selectAllEmployee" resultMap="EmployeeMap">
Select * from Employee
</select>
</sqlMap>
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