MATLAB中LSTM时序分类实战详解 matlab

MATLAB中LSTM时序分类实战详解

引用
1.MATLAB中外部数据读取并写入元胞数组的方法与步骤：https://blog.csdn.net/qq_42995378/article/details/87298786
2.MATLAB中LSTM时序分类的用法与实战：https://blog.csdn.net/qq_42995378/article/details/87345457

本文结合前面两篇文章综合运用于实战中，阅读此文章前建议先看该两篇文章
1.数据集本次实战选自本人内部采集的脑电数据集，共四种类型，对应文件个数分别为10,7,7,5，分别命名为z1 ~ z10 , x1 ~ x7 , j1 ~ j7 , f1 ~ f5,文件中时间序列的特征维数是4，文件以.scv格式保存（以逗号为分隔符）。样式如下：

文章图片

由于数据集较少，取训练集的个数分别为9，6，6，4，预测集的个数为1，1，1，1。
2.代码

%% 输入XTrainfilepath='F:\脑电\记录\数据处理1\类型1\'; %为了循环输入文件，先把文件前面的相同路径写出 for i=1:9 %循环读取 fileID=fopen([filepath,'z',num2str(i),'.csv']); %矩阵形式组合成路径字符串 a_txt=textscan(fileID,'%s',4,'Delimiter',','); %为了读取数据，先读文本 %其中4表示读取4次（注意该格式是读一个不是一列），结束后光标移到数字之前 XTrain(i)=textscan(fileID,repmat('%d',[1,4]),'Delimiter',',','CollectOutput',1); %读取数据，四列都将储存在一个元胞单元中（单引号和逗号较多，注意区分） fclose(fileID); endfilepath='F:\脑电\记录\数据处理1\类型2\'; for i=10:15 fileID=fopen([filepath,'x',num2str(i-9),'.csv']); a_txt=textscan(fileID,'%s',4,'Delimiter',','); XTrain(i)=textscan(fileID,repmat('%d',[1,4]),'Delimiter',',','CollectOutput',1); fclose(fileID); endfilepath='F:\脑电\记录\数据处理1\类型3\'; for i=16:22 fileID=fopen([filepath,'j',num2str(i-15),'.csv']); a_txt=textscan(fileID,'%s',4,'Delimiter',','); XTrain(i)=textscan(fileID,repmat('%d',[1,4]),'Delimiter',',','CollectOutput',1); fclose(fileID); endfilepath='F:\脑电\记录\数据处理1\类型4\'; for i=23:26 fileID=fopen([filepath,'f',num2str(i-22),'.csv']); a_txt=textscan(fileID,'%s',4,'Delimiter',','); XTrain(i)=textscan(fileID,repmat('%d',[1,4]),'Delimiter',',','CollectOutput',1); fclose(fileID); end%注意到元胞单元size必须为4-by-N而不是N-by-4 %（其中4是维度，必须是维度为行数，要不然会报错），将每一个元胞单元转置 XTrain=XTrain'; [n,m]=size(XTrain); for i=1:n XTrain{i}=XTrain{i}.'; %注意这里用的是花括号不是圆括号，自己尝试下就知道区别了 end%% 输入YTrain for i=1:9 YTrain(i)=1; end for i=10:15 YTrain(i)=2; end for i=16:22 YTrain(i)=3; end for i=23:26 YTrain(i)=4; end YTrain=categorical(YTrain'); %将数值数组转化为类别数组%% 输入XTest fileID=fopen('F:\脑电\记录\数据处理1\类型1\z10.csv'); a_txt=textscan(fileID,'%s',4,'Delimiter',','); XTest(1)=textscan(fileID,repmat('%d',[1,4]),'Delimiter',',','CollectOutput',1); fclose(fileID); fileID=fopen('F:\脑电\记录\数据处理1\类型2\x7.csv'); a_txt=textscan(fileID,'%s',4,'Delimiter',','); XTest(2)=textscan(fileID,repmat('%d',[1,4]),'Delimiter',',','CollectOutput',1); fclose(fileID); fileID=fopen('F:\脑电\记录\数据处理1\类型3\j7.csv'); a_txt=textscan(fileID,'%s',4,'Delimiter',','); XTest(3)=textscan(fileID,repmat('%d',[1,4]),'Delimiter',',','CollectOutput',1); fclose(fileID); fileID=fopen('F:\脑电\记录\数据处理1\类型4\f5.csv'); a_txt=textscan(fileID,'%s',4,'Delimiter',','); XTest(4)=textscan(fileID,repmat('%d',[1,4]),'Delimiter',',','CollectOutput',1); fclose(fileID); XTest=XTest'; [n,m]=size(XTest); for i=1:n XTest{i}=XTest{i}.'; end%% 输入YTest YTest=categorical([1 2 3 4]'); %% 构建LSTM网络 inputSize = 4; %特征维数 numHiddenUnits = 100; %LSTM网路包含的隐藏单元数目 numClasses = 4; %分类数layers = [ ... sequenceInputLayer(inputSize) lstmLayer(numHiddenUnits,'OutputMode','last') fullyConnectedLayer(numClasses) softmaxLayer classificationLayer]; maxEpochs = 400; %最大训练周期数 miniBatchSize = 27; %分块尺寸options = trainingOptions('adam', ... 'ExecutionEnvironment','cpu', ... 'MaxEpochs',maxEpochs, ... 'MiniBatchSize',miniBatchSize, ... 'GradientThreshold',1, ... 'Verbose',false, ... 'Plots','training-progress'); %% 训练 net=trainNetwork(XTrain,YTrain,layers, options) %% 预测 miniBatchSize = 27; YPred = classify(net,XTest, ... 'MiniBatchSize',miniBatchSize, ... 'SequenceLength','longest')%% 结果检验 acc = sum(YPred == YTest)./numel(YTest)

训练结果
【MATLAB中LSTM时序分类实战详解】