Transformer-LSTM分类 | Matlab实现Transformer-LSTM多特征分类猜测/故障诊 ...

Transformer-LSTM分类 | Matlab实现Transformer-LSTM多特征分类猜测/故障诊断


  
效果一览

基本介绍

1.Matlab实现Transformer-LSTM多特征分类猜测/故障诊断，运行环境Matlab2023b及以上；
2.excel数据，方便更换，输入12个特征，分四类，可在下载区获取数据和步伐内容。
3.图许多，包罗分类效果图，混淆矩阵图。命令窗口输出分类准确率、灵敏度、特异性、曲线下面积、Kappa系数、F值。
4.附赠案例数据可直接运行main一键出图，注意步伐和数据放在一个文件夹，运行环境为Matlab2023b及以上。
5.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、解释明细。可在下载区获取数据和步伐内容。

步伐设计

• 完备步伐和数据下载私信博主回复Matlab实现Transformer-LSTM多特征分类猜测/故障诊断。
  

3. %%  清空环境变量
4. warning off             % 关闭报警信息
5. close all               % 关闭开启的图窗
6. clear                   % 清空变量
7. clc                     % 清空命令行
9. %%  读取数据
10. res = xlsread('data.xlsx');
12. %%  分析数据
13. num_class = length(unique(res(:, end)));  % 类别数（Excel最后一列放类别）
14. num_dim = size(res, 2) - 1;               % 特征维度
15. num_res = size(res, 1);                   % 样本数（每一行，是一个样本）
16. num_size = 0.7;                           % 训练集占数据集的比例
17. res = res(randperm(num_res), :);          % 打乱数据集（不打乱数据时，注释该行）
18. flag_conusion = 1;                        % 标志位为1，打开混淆矩阵（要求2018版本及以上）
20. %%  设置变量存储数据
21. P_train = []; P_test = [];
22. T_train = []; T_test = [];
24. %%  划分数据集
25. for i = 1 : num_class
26.     mid_res = res((res(:, end) == i), :);           % 循环取出不同类别的样本
27.     mid_size = size(mid_res, 1);                    % 得到不同类别样本个数
28.     mid_tiran = round(num_size * mid_size);         % 得到该类别的训练样本个数
30.          
31. end
33. %%  数据转置
34. P_train = P_train'; P_test = P_test';
35. T_train = T_train'; T_test = T_test';
37. %%  得到训练集和测试样本个数
38. M = size(P_train, 2);
39. N = size(P_test , 2);
41. %%  数据归一化
42. [P_train, ps_input] = mapminmax(P_train, 0, 1);
43. P_test = mapminmax('apply', P_test, ps_input);
45. t_train = categorical(T_train)';
46. t_test  = categorical(T_test )';
48. %%  数据平铺
49. %   将数据平铺成1维数据只是一种处理方式
50. %   也可以平铺成2维数据，以及3维数据，需要修改对应模型结构
51. %   但是应该始终和输入层数据结构保持一致
52. P_train =  double(reshape(P_train, num_dim, 1, 1, M));
53. P_test  =  double(reshape(P_test , num_dim, 1, 1, N));
55. %%  数据格式转换
56. for i = 1 : M
57.     p_train{i, 1} = P_train(:, :, 1, i);
58. end
60. for i = 1 : N
61.     p_test{i, 1} = P_test( :, :, 1, i);
62. end
64. %%  Transformer-lstm网络
65. %网络搭建
66. numChannels = num_dim;
67. maxPosition = 256;
68. numHeads = 4;
69. numKeyChannels = numHeads*32;

复制代码

参考资料

   [1] https://blog.csdn.net/kjm13182345320/article/details/128163536?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/kjm13182345320/article/details/128151206?spm=1001.2014.3001.5502

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。