BO-Transformer-LSTM多特征分类预测/故障诊断(Matlab实现)
SCI一区级 | Matlab实现BO-Transformer-LSTM多特征分类预测/故障诊断
目录
- SCI一区级 | Matlab实现BO-Transformer-LSTM多特征分类预测/故障诊断
- 效果一览
- 基本介绍
- 程序设计
- 参考资料
效果一览
基本介绍
1.【SCI一区级】Matlab实现BO-Transformer-LSTM特征分类预测/故障诊断,BO-Transformer-LSTM/Bayes-Transformer-LSTM(程序可以作为SCI一区级论文代码支撑,目前尚未发表);
2.贝叶斯优化参数为:学习率,隐含层节点,正则化参数,运行环境为Matlab2023b及以上;
3.data为数据集,输入12个特征,分四类,main.m为主程序,运行即可,所有文件放在一个文件夹;
4.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。可在下载区获取数据和程序内容;
5.命令窗口输出分类准确率、灵敏度、特异性、曲线下面积、Kappa系数、F值。
程序设计
- 完整程序和数据下载私信博主回复SCI一区级 | Matlab实现BO-Transformer-LSTM多特征分类预测/故障诊断。
%% 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('data.xlsx');%% 分析数据
num_class = length(unique(res(:, end))); % 类别数(Excel最后一列放类别)
num_dim = size(res, 2) - 1; % 特征维度
num_res = size(res, 1); % 样本数(每一行,是一个样本)
num_size = 0.7; % 训练集占数据集的比例
res = res(randperm(num_res), :); % 打乱数据集(不打乱数据时,注释该行)
flag_conusion = 1; % 标志位为1,打开混淆矩阵(要求2018版本及以上)%% 设置变量存储数据
P_train = []; P_test = [];
T_train = []; T_test = [];%% 划分数据集
for i = 1 : num_classmid_res = res((res(:, end) == i), :); % 循环取出不同类别的样本mid_size = size(mid_res, 1); % 得到不同类别样本个数mid_tiran = round(num_size * mid_size); % 得到该类别的训练样本个数P_train = [P_train; mid_res(1: mid_tiran, 1: end - 1)]; % 训练集输入T_train = [T_train; mid_res(1: mid_tiran, end)]; % 训练集输出P_test = [P_test; mid_res(mid_tiran + 1: end, 1: end - 1)]; % 测试集输入T_test = [T_test; mid_res(mid_tiran + 1: end, end)]; % 测试集输出
end%% 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 )';%% 格式转换
for i = 1 : Mp_train{i, 1} = P_train(:, i);
endfor i = 1 : Np_test{i, 1} = P_test(:, i);
end%% 创建待优化函数
ObjFcn = @BOFunction;
参考资料
[1] https://blog.csdn.net/kjm13182345320/article/details/128163536?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/kjm13182345320/article/details/128151206?spm=1001.2014.3001.5502