数学建模社区-数学中国

标题: matlab利用神经网络分类 [打印本页]

作者: 2744557306    时间: 2023-12-23 10:21
标题: matlab利用神经网络分类
  1. %利用神经网络进行分类
    # _. O, u% d9 U" X; {
  2. clear all5 W% F( U; w0 Z: `! h
  3. x=[1.24 1.36 1.38 1.38 1.38 1.40 1.48 1.54 1.56 1.14 1.18 1.20 1.26 1.28 1.30;...
    : U( e# N7 T8 _
  4.     1.72 1.74 1.64 1.82 1.90 1.70 1.82 1.82 2.08 1.78 1.96 1.86 2.0 2.0 1.96];
    9 W: \5 c7 B. k6 `* f* A
  5. y=[1 1 1 1 1 1 1 1 1 0 0 0 0 0 0;...9 c; r1 Q; Z6 w, d3 W+ `
  6.    0 0 0 0 0 0 0 0 0 1 1 1 1 1 1];
    ! P+ p2 r8 z! g1 C/ E% N  I) h  e
  7. xmin1=min(x(1,:));# T6 {) m9 l: E- o. }/ b% g
  8. xmax1=max(x(1,:));/ f* M* X5 W/ L
  9. xmin2=min(x(2,:));% U  I6 j* I' g( L3 V/ w, C; [6 W' j3 z, {
  10. xmax2=max(x(2,:));6 g; N1 G% M0 z* B5 e: f! h+ S& K
  11. %设定迭代次数
    1 o9 _* k0 w, ]* w2 ~
  12. net.trainparam.epochs=10000;$ t; O. L: p/ |& s
  13. %网络初始化0 v; @% B$ w( L
  14. net=newff([xmin1,xmax1;xmin2,xmax2],[8,8,8,8,2],{'tansig','logsig','logsig','tansig','tansig'});9 \2 |6 A4 w( v. C) `+ K0 D
  15. %训练网络
    ! A1 R, ?5 n5 d* l) C0 C
  16. [net,tr,y1,e]=train(net,x,y);9 E4 x9 q5 c  x* I

  17. $ B: i; B5 k; d% u0 i! w- u9 r
  18. X=[1.24 1.28 1.40;...7 d; @. c. F" u! `' X0 J( H; N- H
  19.     1.80 1.84 2.04];7 Y3 O# b- W2 O. c4 M
  20. %网络泛化
    ; m; ^7 ]% p( ?' I. V1 D. N  a
  21. y2=sim(net,X)
    9 H2 B# U' R9 ^/ \8 s, l" V
  22. 6 K1 }) v$ g" I$ q, K' J3 H: M
  23. plot(x(1,1:9),x(2,1:9),'o',x(1,10:15),x(2,10:15),'*',X(1,:),X(2,:),'v')
    3 [5 ]  h; e, R# v* ^9 d
  24. grid on
复制代码
这段Matlab代码实现了一个简单的神经网络的训练和泛化。以下是代码的逐行解释:9 j: C' u9 O" [4 c( B7 C
, ~1 w) o& ]* g' N% ]
1.clear all: 清除当前工作区的所有变量。! ^& _- ?) W. I2 A
2.x: 输入数据,是一个2x15的矩阵,其中第一行是一组样本的x坐标,第二行是对应的y坐标。+ q! d7 J- f5 D% z. Y  i/ A) j
3.y: 目标输出,是一个2x15的矩阵,其中第一行表示类别1,第二行表示类别2。
* w. C" c! u& J( g' M& K. E4.xmin1, xmax1, xmin2, xmax2: 计算输入数据的最小和最大值,用于神经网络的输入范围。" J+ O& H, ^- n; m7 O: k+ j' N
5.net.trainparam.epochs=10000;: 设定神经网络的训练迭代次数为10000次。) i! [$ q- l% Y
6.net=newff([xmin1,xmax1;xmin2,xmax2],[8,8,8,8,2],{'tansig','logsig','logsig','tansig','tansig'});: 创建一个前馈神经网络。[xmin1,xmax1;xmin2,xmax2]指定了输入范围,[8,8,8,8,2]指定了每个隐藏层的节点数,{'tansig','logsig','logsig','tansig','tansig'}指定了每一层的激活函数。* d: L' S+ R4 _; L9 \, B0 C: I) k
7.[net,tr,y1,e]=train(net,x,y);: 训练神经网络。train函数返回了训练后的网络 net,训练记录 tr,输出 y1 和误差 e。
1 Y! N3 }6 C: A* B9 D8.X: 用于泛化的新输入数据,是一个2x3的矩阵。. `  l$ ]3 _- M
9.y2=sim(net,X): 使用训练好的神经网络对新输入数据进行泛化,得到输出 y2。
6 K2 r* x7 U: k9 u) A10.plot(x(1,1:9),x(2,1:9),'o',x(1,10:15),x(2,10:15),'*',X(1,,X(2,,'v'): 绘制样本数据和泛化数据的散点图。前9个样本用圆圈表示,后6个用星号表示,泛化数据用倒三角表示。# y, Q. s! W, d
11.grid on: 显示网格。+ G$ A& b4 D8 z$ N; j

& }  c* o- S% x( U7 w8 m这段代码创建了一个包含输入层、四个隐藏层和输出层的神经网络,然后使用样本数据进行训练,并用新的数据进行泛化。最后,通过散点图可视化了样本数据和泛化数据。
6 H$ Q+ o& k8 x& l+ s" D* l6 B/ u
, n" q: {- H- m) h; S0 |* X5 p2 O& v/ G/ E3 m5 ]' G

classify.m

704 Bytes, 下载次数: 0, 下载积分: 体力 -2 点

售价: 2 点体力  [记录]  [购买]






欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5