摘要：
clearsyms a b;c=[a b]';A=[174179183189207 234220.5 256270285];B=cumsum(A); % 原始数据累加n=length(A);for i=1:(n-1) C(i)=(B(i)+B(i+1))/2; % 生成累加矩阵end% 计算待定参数的值D=A;D(1)=[];D=D';E=[-C;ones(1,n-1)];c=inv(E*E')*E*D;c=c';a=c(1);b=c(2);% 预测后续数据F=[];F(1)=A(1);for i=2:(n+10) F(i)=(A(1)-b/a)/exp(a*( 阅读全文
摘要：
/*"水灾巡视问题"模拟退火算法。这是一个推销员问题，本题有53个点，所有可能性大约为exp(53),目前没有好方法求出精确解，既然求不出精确解，我们使用模拟退火法求出一个较优解,将所有结点编号为1到53,1到53的排列就是系统的结构,结构的变化规则是:从1到53的排列中随机选取一个子排列,将其反转或将其移至另一处,能量E自然是路径总长度。具体算法描述如下：步1：设定初始温度T，给定一个初始的巡视路线。步2：步3 --8循环K次步3：步 4--7循环M次步4：随机选择路线的一段步5：随机确定将选定的路线反转或移动，即两种调整方式：反转、移动。步6：计算代价D，即调整前后的总 阅读全文
摘要：
load x.txt %把原始数据存放在纯文本文件x.txt中，其中把数据的"替换替换成. for i=1:40x(i,:)=x(i,:)/x(i,1); %标准化数据end data=x; n=size(data,2); %求矩阵的列数，即观测时刻的个数ck=data(1,:); %提出参考数列bj=data(2:end,:); %提出比较数列m2=size(bj,1); %求比较数列的个数 for j=1:m2 t(j,:)=bj(j,:)-ck; end mn=min(min(abs(t'))); %求最小差mx=max(max(abs(t'))); %求最大差 阅读全文
摘要：
close allclear allclcload x.txt;load y.txt;inputs = x';targets = y;% 创建一个模式识别网络（两层BP网络），同时给出中间层神经元的个数，这里使用20hiddenLayerSize = 20;net = patternnet(hiddenLayerSize);% 对数据进行预处理，这里使用了归一化函数（一般不用修改）% For a list of all processing functions type: help nnprocessnet.inputs{1}.processFcns = {'removecon 阅读全文
摘要：
clc,clearload pz.txt %原始数据存放在纯文本文件pz.txt 中mu=mean(pz);sig=std(pz); %求均值和标准差rr=corrcoef(pz); %求相关系数矩阵data=zscore(pz); %数据标准化,变量记做X*和Y*n=5;m=1; %n 是自变量的个数,m 是因变量的个数x0=pz(:,1:n);y0=pz(:,n+1:end); %原始的自变量和因变量数据e0=data(:,1:n);f0=data(:,n+1:end); %标准化后的自变量和因变量数据-679-num=size(e0,1);%求样本点的个数chg=eye(n); %w 到 阅读全文
摘要：
关于如何使用nntool神经网络工具箱进行“数据训练”的方法：1.在命令窗口键入nntool命令打开神经网络工具箱；2.点击Import按钮两次，分别把输入向量和目标输出加入到对应的窗口（[Inputs]和[Targets])中，有两种可供选择的加入对象（点击Import后可以看见），一种是把当前工作区中的某个矩阵加入，另一种是通过.mat文件读入；3.点击[NewNetwork]按钮，填入各参数：（以最常用的带一个隐层的3层神经网络为例说明，下面没有列出的参数表示使用默认值就可以了，例如NetworkType为默认的BP神经网络）；1)InputRange――这个通过点击GetFromInp 阅读全文