2022第二届中国高校大数据竞赛A题思路分享二

        在上一期中，我们说到A题第一问可以自行选择故障特征数据，言之有理即可。可参考我的上一篇博客(2条消息) 2022第二届中国高校大数据竞赛A题思路_Born for的博客-CSDN博客

今天分享一下A题第二问的代码，承接第一题，我们选择室温、转速、扭矩、使用时长这些特征量作为模型的输入，模型选用概率神经网络（PNN）和广义回归神经网络（GRNN）,使用这两个算法进行对比。

 代码展示

%% 清空环境变量
clear all
clc

%% 训练集/测试集产生
%% 数据载入
data = xlsread('大数据杯A题\第一问\处理后的数据.xlsx');
% 结果对比
result = [T_test' result_grnn result_pnn]
accuracy = [accuracy_grnn;accuracy_pnn]
time = [time_grnn;time_pnn]
%% 绘图
figure(1)
plot(1:3000,T_test,'bo',1:3000,result_grnn(:,4),'r-*',1:3000,result_pnn(:,4),'k:^')
grid on
xlabel('测试集样本编号')
ylabel('测试集样本类别')
string = {'测试集预测结果对比(GRNN vs PNN)';['正确率:' num2str(accuracy_grnn(4)*100) '%(GRNN) vs ' num2str(accuracy_pnn(4)*100) '%(PNN)']};
title(string)
legend('真实值','GRNN预测值','PNN预测值')
figure(2)
plot(1:10,accuracy(1,:),'r-*',1:10,accuracy(2,:),'b:o')
grid on
xlabel('模型编号')
ylabel('测试集正确率')
title('10个模型的测试集正确率对比(GRNN vs PNN)')
legend('GRNN','PNN')
figure(3)
plot(1:10,time(1,:),'r-*',1:10,time(2,:),'b:o')
grid on
xlabel('模型编号')
ylabel('运行时间(s)')
title('10个模型的运行时间对比(GRNN vs PNN)')
legend('GRNN','PNN')

结果显示

 

 预测正确率最高为97.9%，这两种算法可以作为对比算法。

关注我下面将为大家分享正确率更高的方法。

代码见正在为您运送作品详情