[JCR1区算法改进]SCNGO-CNN-LSTM-Attention数据分类预测程序。

改进算法，融合正余弦和折射反向学习的北方苍鹰优化算法，目前应该没有文献这样做，创新性极高

程序平台：无Attention适用于MATLAB 2020版及以上版本；融合Attention要求Matlab2023版以上

代码说明：基于融合正余弦和折射反向学习的北方苍鹰优化算法（SCNGO）、卷积神经网络（CNN）和长短期记忆网络（LSTM）融合注意力机制的数据分类预测程序。

该算法改进目前应该没有文献这样做。

北方苍鹰优化算法（Northern Goshawk Optimization，NGO）由MOHAMMAD DEHGHANI等人于2022年提出，该算法，该算法模拟了北方苍鹰捕猎过程（猎物识别和攻击、追逐及逃生）。

改进策略参照麻雀优化算法，改进点如下：

①采用折射反向学习策略初始化北方苍鹰算法个体，基本思想是通过计算当前解的反向解来扩大搜索范围，借此找出给定问题更好的备选解；

②采用正余弦策略替换原始苍鹰算法的勘察阶段的位置更新公式；

③对正余弦策略的步长搜索因子进行改进；原始步长搜索因子呈线性递减趋势，不利于进一步平衡北方苍鹰算法的全局搜索和局部开发能力。

功能：

1、多行变量特征输入，输入N行（特征），每个特征长度为M。

2、通过SCNGO优化算法优化学习率、卷积核大小、神经元个数，这3个关键参数，以测试集精度最高为目标函数。

3、绘制：损失、精度迭代变化极坐标图；测试对比散点图、混淆矩阵图；适应度曲线（若首轮精度最高，则适应度曲线为水平直线）。

4、展示：精确度、召回率、精确率、F1分数等评价指标。

适用领域：

适用于各种数据分类场景，如滚动轴承故障、变压器油气故障、电力系统输电线路故障区域、绝缘子、配网、电能质量扰动，等领域的识别、诊断和分类。

使用便捷：

直接使用EXCEL表格导入数据，无需大幅修改程序。

内部有详细注释，易于理解。

仅确保本程序可以运行，不负责。

ID:71129

详询客服 微信shujuqudong1 或shujuqudong6 或 qq68823886 或 27699885

图文详情请查看： http://matup.cn/734948390988.html