matlab利用神经网络分类

2744557306

1. %利用神经网络进行分类$ W9 b2 v$ K. e9 [0 ]9 b
   
2. clear all0 O9 c: C/ F8 N2 q' K9 r  ]
   
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;...8 a4 D0 O7 i( B$ L: }' }& e  b\" }
   
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];
   1 q3 d4 W4 J; ~: Q3 w: ?: C/ Z! D
5. y=[1 1 1 1 1 1 1 1 1 0 0 0 0 0 0;...) v9 w( x) q+ P, D. n
   
6.    0 0 0 0 0 0 0 0 0 1 1 1 1 1 1];
   + ^9 W- h5 P& e: R% s
7. xmin1=min(x(1,:));$ C0 B$ D\" v  G
   
8. xmax1=max(x(1,:));& l3 c8 y% i) ^2 h& T! o
   
9. xmin2=min(x(2,:));
   7 A$ C8 u/ B+ w, z4 o1 }- Z
10. xmax2=max(x(2,:));
    : }3 `' h0 S! O* d
11. %设定迭代次数9 p5 b\" \$ c0 T
    
12. net.trainparam.epochs=10000;8 ]. p( r* @1 \
    
13. %网络初始化' M* k0 m& N/ e4 ]3 ]
    
14. net=newff([xmin1,xmax1;xmin2,xmax2],[8,8,8,8,2],{'tansig','logsig','logsig','tansig','tansig'});7 r& p3 A( }9 G, @5 [* r( ~
    
15. %训练网络/ K, O# u\" u0 \/ s) H
    
16. [net,tr,y1,e]=train(net,x,y);4 b9 B2 B9 s( p
    
17. / z- {- j6 O4 q% l
    
18. X=[1.24 1.28 1.40;...
    / C- c+ c1 U- G1 M
19.     1.80 1.84 2.04];$ S1 o/ A/ G  O0 Y' _
    
20. %网络泛化
      U+ q+ u; j4 X7 b. ~
21. y2=sim(net,X)
      ]4 \* a( P6 Z% a/ A; M9 g. u
22. 
    % e5 C  C' B* w, S3 G
23. plot(x(1,1:9),x(2,1:9),'o',x(1,10:15),x(2,10:15),'*',X(1,:),X(2,:),'v')4 j, N9 ?/ ^/ ?# m
    
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：
8 }2 o5 A$ y0 ?* Q+ f, H
0 F) f5 G- J- ]# M' N% ~* q1.clear all: 清除当前工作区的所有变量。
- I  |/ l" y+ U* Z2.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。
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。
& u, D( ~2 C# w! c4.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。
  }" f7 [: f1 G- h+ G. a5.net.trainparam.epochs=10000;: 设定神经网络的训练迭代次数为10000次。
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。
, f" H9 P, c4 a& U* {# `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。
8.X: 用于泛化的新输入数据，是一个2x3的矩阵。
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。
10.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。
11.grid on: 显示网格。

7 l+ `  i9 x  ^2 C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。

  T0 y) u  p- h7 O
; F/ ]& g6 r  k& B% I