matlab连续使用两次hold,GRNN连续运行两次(每次运行前都clear all)所得结果不一致....

function[grnn_prediction_result]=GRNNQuake(get_data_p,get_data_t,test_data_number,predict_data_number)

%% 相关参数说明

%%%使用GRNN神经网络方法进行反演

%%%输入参数

%test_data_number，数据库中，用于参与测试(检验的)实际值的个数

%predict_data_number,需要反推weight的个数

%%%输出参数

%grnn_prediction_result,预测值

close all;

nntwarn off;

format bank;

%% 相关数据赋值，这只在程序调试阶段用，实际通过参数传递[/align][align=left]p=get_data_p;

t=get_data_t;[/align][align=left]% 载入数据并将数据分成训练和预测两类

p_train=p(1:test_data_number,:);

t_train=t(1:test_data_number,:);

p_test=p(test_data_number+1:test_data_number+predict_data_number,:);

t_test=t(test_data_number+1:test_data_number+predict_data_number,:);

%% 交叉验证

desired_spread=[];

mse_max=10e20;

desired_input=[];

desired_output=[];

result_perfp=[];

indices = crossvalind('Kfold',length(p_train),4);

h=waitbar(0,'正在寻找GRNN优化参数....');

k=1;

for i = 1:4

perfp=[];

%   disp(['以下为第',num2str(i),'次交叉验证结果'])

test = (indices == i); train = ~test;

p_cv_train=p_train(train,:);

t_cv_train=t_train(train,:);

p_cv_test=p_train(test,:);

t_cv_test=t_train(test,:);

p_cv_train=p_cv_train';

t_cv_train=t_cv_train';

p_cv_test= p_cv_test';

t_cv_test= t_cv_test';

[p_cv_train,minp,maxp,t_cv_train,mint,maxt]=premnmx(p_cv_train,t_cv_train);

p_cv_test=tramnmx(p_cv_test,minp,maxp);

for spread=0.1:0.1:2;

net=newgrnn(p_cv_train,t_cv_train,spread);

waitbar(k/80,h);

%         disp(['当前spread值为', num2str(spread)]);

test_Out=sim(net,p_cv_test);

test_Out=postmnmx(test_Out,mint,maxt);

error=t_cv_test-test_Out;

%         disp(['当前网络的mse为',num2str(mse(error))])

perfp=[perfp mse(error)];

if mse(error)

mse_max=mse(error);

desired_spread=spread;

desired_input=p_cv_train;

desired_output=t_cv_train;

end

k=k+1;

end

result_perfp(i,:)=perfp;

end;

% disp(['最佳spread值为',num2str(desired_spread)])

% disp(['此时最佳输入值为'])

% desired_input

% disp(['此时最佳输出值为'])

% desired_output

%% 采用最佳方法建立GRNN网络

net=newgrnn(desired_input,desired_output,desired_spread);

p_test=p_test';

p_test=tramnmx(p_test,minp,maxp);

grnn_prediction_result=sim(net,p_test);

grnn_prediction_result=postmnmx(grnn_prediction_result,mint,maxt);

close(h)

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！