%%將PSO_GRNN看做是一個(gè)神經(jīng)網(wǎng)絡(luò)模型的話，即一個(gè)函數(shù)，那么接下來(lái)加入交叉驗(yàn)證就方便多了
%加入4折交叉驗(yàn)證：
%主要問(wèn)題是查看其數(shù)據(jù)的應(yīng)用
%程序說(shuō)明
%主程序：Cross_PSO_GRNN.m
%PSO_GRNN.m為粒子群優(yōu)化模型
%此程序僅為示例
%版權(quán)歸作者所有，未經(jīng)作者同意不得轉(zhuǎn)載
clc;clear;
data_all=textread（‘data.txt‘）;%讀取數(shù)據(jù)
data_cl=textread（‘cldata.txt‘）;%讀取蒼嶺隧道數(shù)據(jù)
%獲得網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)
%使用交叉驗(yàn)證處理訓(xùn)練集樣本找到最適合的某組數(shù)據(jù)
%數(shù)據(jù)集分類
?P_train=data_all（:2:5）
?T_train=data_all（:6）
?[MN]=size（data_all）;
?indices=crossvalind（‘Kfold‘M4）;
?P_test_cl=data_cl（:1:4）‘;?%實(shí)驗(yàn)工程數(shù)據(jù)?
?Result_out=[];
?Best_fitness_cv=[];
?G_Best_position_cv=[];
?Gbest_position_cv=[];
??
?for?i=1:4??%2折交叉驗(yàn)證訓(xùn)練過(guò)程，首先將訓(xùn)練數(shù)據(jù)集分為兩類
???????test=（indices==i）;train=~test;
???????P_train_first_cv=P_train（train:）‘;????
???????T_train_first_cv=T_train（train:）‘;?
???????P_test_second_cv=P_train（test:）‘;
???????T_test_second_cv=T_train（test:）‘;
???????%

?屬性????????????大小?????日期????時(shí)間???名稱
-----------?---------??----------?-----??----

?????文件?????157669??2018-10-24?18:14??基于粒子群算法和廣義回歸神經(jīng)網(wǎng)絡(luò)的巖爆預(yù)測(cè)_賈義鵬.caj

?????文件????????132??2020-01-29?00:16??說(shuō)明.txt

?????文件?????????92??2018-10-26?14:56??cldata.txt

?????文件???????2917??2020-01-29?00:13??Cross_POS_GRNN.m

?????文件????????971??2018-10-26?14:56??data.txt

?????文件????????371??2018-11-08?22:51??fun.m

?????文件???????3984??2020-01-29?00:03??PSO_GRNN.m

-----------?---------??----------?-----??----

???????????????166136????????????????????7