当前位置: 首页 > news >正文

GCN基于图卷积神经网络多特征分类预测(多输入单输出) Matlab代码

GCN基于图卷积神经网络多特征分类预测(多输入单输出) Matlab代码

目录

    • GCN基于图卷积神经网络多特征分类预测(多输入单输出) Matlab代码
      • 分类效果
      • 基本描述
      • 程序设计
      • 参考资料

分类效果

在这里插入图片描述
在这里插入图片描述

基本描述

基于图卷积神经网络GCN多特征分类预测(多输入单输出) Matlab代码
图卷积神经网络可以有效地从大量样本中学习到相应的特征,避免了复杂的特征提取过程。另外图卷积神经网络通过简单的非线性模型从原始数据中提取更加抽象的特征,在整个过程中只需少量的人工参与,所以采用图卷积神经网络对不同故障特征进行分类具有不错的分类效果。
1、运行环境要求MATLAB版本为2023B及 其以上。
2、代码中文注释清晰,质量极高
3、运行结果图包括分类效果图,迭代优化图,混淆矩阵图等,赠送测试数据集,可以直接运行源程序。适合新手小白。

在这里插入图片描述

注:程序和数据放在一个文件夹。

程序设计

  • 完整程序和数据私信博主回复基于图卷积神经网络GCN多特征分类预测(多输入单输出) Matlab代码

%%  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%%  导入数据
res = xlsread('数据集.xlsx');%%  分析数据
num_class = length(unique(res(:, end)));  % 类别数(Excel最后一列放类别)
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)
outdim = 1;                                  % 最后一列为输出
f_ = size(res, 2) - outdim;                  % 输入特征维度
%%  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, 1);
N = size(P_test , 1);%% 数据预处理
% 数据预处理,将训练集和测试集归一化到[0,1]区间
[mtrain,ntrain] = size(P_train);
[mtest,ntest] = size(P_test);
dataset = [P_train;P_test];
% mapminmax为MATLAB自带的归一化函数
[dataset_scale,ps] = mapminmax(dataset',0,1);
dataset_scale = dataset_scale';
P_train = dataset_scale(1:mtrain,:);
P_test = dataset_scale( (mtrain+1):(mtrain+mtest),: );

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/129036772?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/kjm13182345320/article/details/128690229


http://www.mrgr.cn/news/75215.html

相关文章:

  • 观察者模式和订阅模式
  • SELinux知识点
  • 2025年软考高级【信息系统项目管理师】(第4版)考试大纲
  • Windows 10使用智能卡SmartCard返回scard_e_no_service错误
  • YOLO入门教程(三)——训练自己YOLO11实例分割模型并预测【含教程源码+一键分类数据集 + 故障排查】
  • FileProvider高版本使用,跨进程传输文件
  • springboot039基于Web足球青训俱乐部管理系统
  • 似然函数解析
  • LeetCode 每日一题 统计满足 K 约束的子字符串数量 I
  • AI视觉小车基础--2.按键读取
  • 【MYSQL】数据库日志 (了解即可)
  • Linux 驱动
  • 机器学习(1)
  • [DB]
  • [ICML 2024]Learning High-Order Relationships of Brain Regions
  • 超全面!一文带你快速入门HTML,CSS和JavaScript!
  • pip install volcengine-python-sdk报错
  • 【027B】基于51单片机模拟电梯(点阵)【Proteus仿真+Keil程序+报告+原理图】
  • Spring Validation参数校验
  • CDA LEVEL 2考试大纲
  • 从源码一把聊清楚nacos2.x的事件驱动架构,从迷茫到精通!!
  • 【easily-openJCL】要尝试下用 显卡 做数据对称加密吗?
  • Netty之EventLoop自定义任务
  • 自动驾驶系列—从数据采集到存储:解密自动驾驶传感器数据采集盒子的关键技术
  • Ubuntu 的 ROS 操作系统 turtlebot3 导航仿真
  • 输出1~100内的所有偶数C++