弹性网络算法是一种启发式算法，最初被提出是用来解决TSP（Traveling Salesman Problem）问题的，现如今，被广泛应用于聚类问题中，尤其对于高维空间数据聚类方面，有很大的优势。提出了一种新的自适应弹性网络算法（Adaptive Elastic Net，AEN）解决聚类问题，该算法利用弹性网络算法得到的[K]个中心点作为聚类初始中心点，并利用局部搜索择优算法在每次迭代中更新中心点。以聚类完成后每一簇的中心点到该簇元素的距离之和作为聚类质量评价标准，分别对随机生成的不同维度的50，100，300，500，1?000个数据点的数据集和UCI中多个标准数据集进行聚类，并将结果与传统聚类算法的聚类结果进行比较。实验表明：相较于传统的聚类算法，该算法可以有效地提高聚类质量。

主要介绍了用tensorflow实现弹性网络回归算法

matlab2014a代码##ECMP-RF 融合多特征信息、弹性网络和随机森林算法预测细胞外基质蛋白。 实验环境为：Windows Server 2012R2 Intel (R) Xeon (TM) CPU E5-2650 @ 2.30GHz 2.30GHz with 32.0GB of RAM，MATLAB2014a 和 Python3.6 编程实现。 ###ECMP-RF 使用以下依赖项： MATLAB2014a Python 3.6 麻木的 scipy scikit 学习 ＃＃＃指导原则： **数据包含训练数据集和测试数据集。 **特征提取：AD是自相关描述符的实现。 EBGW 是基于分组权重的编码实现。 PsePSSM 是伪位置特定评分矩阵的实现。 PseAAC 是伪氨基酸组成的实现。 LD 是本地描述符的实现。 **SMOTE：SMOTE_R_train_test.R 是 SMOTE 的实现 ** 特征选择：LOOCV_EN.py 代表弹性。 LOOCV_KPCA.py 代表 KPCA。 LOOCV_LASSO.py 代表 LASSO。 LOOCV_PCA.py 代表 PC

logit 模型matlab代码求系数AcceleratedCVonMLR_matlab 具有弹性网络正则化的多项逻辑回归的近似交叉验证 这是免费软件，您可以根据 GNU 通用公共许可证第 3 版或更高版本的条款重新分发和/或修改它。 有关详细信息，请参阅 LICENSE.txt。 分发此程序是希望它有用，但不作任何保证； 甚至没有对适销性或针对特定目的的适用性的暗示保证。 描述 使用给定特征数据X 的估计权重向量wV和由弹性网络正则化（ L1范数和L2范数）惩罚的多项逻辑回归的类Ycode ，该程序计算并返回近似的留一法估计量（LOOE）及其标准预测似然误差。 所有必需的代码都在“例程”文件夹中。 请注意，该程序本身不包含任何求解器来获得wV 。 为此，请使用其他分布式程序。 用法 对于Np ( >2 ) 类的多项逻辑回归， [LOOE,ERR] = acv_mlr(wV,X,Ycode,Np,lambda2) 输入： wV : N * Np维的估计权重向量 X : M * N维的特征向量集 Ycode ：表示对应特征向量所属类别的M * Np维二进制矩阵 lambda2 ： L2范

传统上，葡萄栽培者对研究葡萄叶/叶柄的生物化学与其相关光谱反射率之间的关系具有浓厚的兴趣，以便了解果实的成熟率，水分状况，营养水平和疾病风险。 在本文中，我们对330至2510 nm的反射波长区域（986个总光谱带）实施成像光谱（高光谱）反射率数据，以评估葡萄园的营养状况。 这构成了带有病态协方差矩阵的高维数据集。 对有助于营养评估和预测的有用信息的变量（波段）的识别在多元统计建模中起着关键作用。 近年来，研究人员已成功开发出许多连续的，几乎无偏的，稀疏且准确的变量选择方法来克服此问题。 本文比较了四种正则化和一种功能回归方法：弹性网，多步自适应弹性网，Minimax凹面惩罚，迭代确定性独立筛选以及用于波长变量选择的功能数据分析。 此后，使用逐步回归可增强这些正则化稀疏模型的预测性能。 使用高维和高度相关的葡萄高光谱数据集进行回归方法的比较研究表明，Elastic Net用于变量选择的性能产生了最佳的预测能力。

程序实现： 利用多种回归模型对华北八省市的实验区TRMM影像数据进行矫正 回归模型包括：多元线性回归、贝叶斯岭回归、弹性网络回归、支持向量机回归、梯度增强回归 通过对比发现：梯度增强回归模型的拟合效果最好，精度最高 回归模型的自变量包括：TRMM影像数据、DEM数据、经度、纬度 因变量为：实验区的站点插值数据 模型建立之后，将其应用于测试集数据，实现降雨数据的矫正

具体效果，见下面链接。版权所有，切勿商用，违者必究。 https://tjxwz.blog.csdn.net/article/details/119712356

#资源达人分享计划#

使用弹性网络正则化执行逻辑回归的通用函数。 用法： call_generic_elasticnet_glm_predict() 此函数加载玩具数据并使用弹性网络正则化执行逻辑回归。 改编自： https://uk.mathworks.com/help/stats/lasso-and-elastic-net.html

network-scripts.zip 弹性网卡