遗传算法与径向基神经网络结合代码

%GA_RBF
%提取最大值+按样本归一化（按行）+RBF
load original_data;
global Scaled_Xtrain Scaled_Xtest Ytrain  net tr testPrediction testClassPrediction testClass ttest result accuracy ;
%曲线平滑
for m=1:4;
    for n=1:20;
      for k=2:21;
    smooth_data{m}{n}（:1）=original_data{m}{n}（:1）./1000;%时间单位转化为秒
    smooth_data{m}{n}（:k）=smooth（original_data{m}{n}（:k））;%5点滑动平均
      end
    end
end

%去掉4ETO和GSBT11数据，以及温湿压传感器数据
for m=1:4
    for n=1:20
        sensor_data{m}{n}（:1）=smooth_data{m}{n}（:1）;
        sensor_data{m}{n}（:2:16）=smooth_data{m}{n}（:[23468101214:21]）;  
    end
end
%提取最大值+按样本归一化（按行）+RBF
for m=1:4
    for n=1:20
        sensor_maxvalue（（m-1）*20+n:）=max（sensor_data{m}{n}（:2:16））;%最大值
        sensor_baseline（（m-1）*20+n:）=min（sensor_data{m}{n}（:2:16））;%基线值
    end
end
%训练样本和测试样本
Xtrain=sensor_maxvalue（1:2:80:）;
Xtest=sensor_maxvalue（2:2:80:）;

[Scaled_Xtrainps]=mapminmax（Xtrain01）;
[Scaled_Xtestps]=mapminmax（Xtest01）;

Ytrain=[1 0 0 0;1 0 0 0;1 0 0 0;1 0 0 0;1 0 0 0;1 0 0 0;1 0 0 0;1 0 0 0;1 0 0 0;1 0 0 0;
        0 1 0 0;0 1 0 0;0 1 0 0;0 1 0 0;0 1 0 0;0 1 0 0;0 1 0 0;0 1 0 0;0 1 0 0;0 1 0 0;
        0 0 1 0;0 0 1 0;0 0 1 0;0 0 1 0;0 0 1 0;0 0 1 0;0 0 1 0;0 0 1 0;0 0 1 0;0 0 1 0;
        0 0 0 1;0 0 0 1;0 0 0 1;0 0 0 1;0 0 0 1;0 0 0 1;0 0 0 1;0 0 0 1;0 0 0 1;0 0 0 1];
    
MAXGEN = 200;             %最大遗传代数
NIND = 20;                %遗传算法中的种群大小
NVAR = 2;                 %变量数目

TolFun=1e-09;%遗传算法中的停止条件之一（Function Tolerance）;
Numtrain=40; %训练样本数
Numtest=40; %测试样本数
SensoeNum=15;  %传感器的总个数

%GA_LSSVM.m
%使用遗传算法对SVM的惩罚参数和核参数进行优化，再用SVM训练
%--------------------------------------------------------------------------
%-------------------------------------


Initrange=[0.0001 0.1;0.1 20];

options=gaoptimset（‘Generations‘MAXGEN‘TolFun‘TolFun ‘SelectionFcn‘@selectionstochunif‘CrossoverFcn‘@crossoverintermediate...
‘PopulationSize‘NIND‘EliteCount‘2‘PopInitRange‘Initrange‘MutationFcn‘{@mutationuniform0.1}...
‘PlotFcns‘{@gaplotbestf@gaplotbestindiv@gaplotdistance@gaplotgenealogy@gaplotrange@gaplotscorediversity...
@gaplotscores @gaplotselection}‘CrossoverFraction‘0.8‘StallGenLimit‘100‘HybridFcn‘@fmincon）;

[xfvalexitflag]=ga（@yanjiafitness_RBF2[][][][][0.0001;0.1][0.1;20][]options）;

best_eg=x（1）;
best_sc=x（2）;


%用最优参数进行分类
[nettr]=newrb（Scaled_Xtrain‘Ytrain‘best_egbest_sc405）;
%输入测试样本进行定性分析
testPrediction=sim（netScaled_Xtest‘）;
testClassPrediction=compet（testPrediction）;
testClass=vec2ind（testClassPrediction）;

ttest=vec2ind（compet（Ytrain‘））;

result=0;%统计判别正确率
for sample_count=1:40
    if testClass（sample_count）==ttest（sample_count）
        result=result+1;
    end
  
end

result
accuracy=result./40
%%
%————————————————————————————————————————————————————
%————————————————————————————————————————————————————
%————————————————————————————————————————————————————
%分数差分+提取最大值+RBF
load original_data;
global Sc