10 竞争神经网络与SOM神经网络matlab参考程序.zip

竞争神经网络与SOM神经网络matlab参考程序,包括详细的代码资料和讲解注释

%% I. 清空环境变量
clear all
clc

%% II. 训练集/测试集产生
%%
% 1. 导入数据
load water_data.mat

%%
% 2. 数据归一化
attributes = mapminmax（attributes）;

%%
% 3. 训练集和测试集划分

% 训练集——35个样本
P_train = attributes（:1:35）;
T_train = classes（:1:35）;
% 测试集——4个样本
P_test = attributes（:36:end）;
T_test = classes（:36:end）;

%% III. 竞争神经网络创建、训练及仿真测试
%%
% 1. 创建网络
net = newc（minmax（P_train）40.010.01）;  %因为结果分成四类，所以这里隐含神经元设置为4，0.01分别是是权值和阈值的学习率
%单独执行一下minmax（P_train）发现最大值是1，最小值是-1，与P_train最大值最小值符合。
% 输入      w=net.iw{11};      看一下   连接权值      平均值为0   四个神经元六个特征   4*6矩阵元素全部为0
%输入      b=net.b{1}    看一下  连接阈值      edit  initcon      rows=4
%134行看一下  x的值是不是我们算的值

%%
% 2. 设置训练参数
net.trainParam.epochs = 500;     %训练步数

%%
% 3. 训练网络
net = train（netP_train）;     

%%
% 4. 仿真测试

% 训练集
t_sim_compet_1 = sim（netP_train）;
T_sim_compet_1 = vec2ind（t_sim_compet_1）;
% 测试集
t_sim_compet_2 = sim（netP_test）;
T_sim_compet_2 = vec2ind（t_sim_compet_2）;     % vec2ind函数将稀疏矩阵转换成行向量或者列向量，T-train和classes没有用到，体现了无导师学习的过程
%运行一下  77 78 行看一下结果      哪几个神经元决定了每一个类
%% IV. SOFM神经网络创建、训练及仿真测试
%%
% 1. 创建网络
net = newsom（P_train[4 4]）;

%%
% 2. 设置训练参数
net.trainParam.epochs = 200;

%%
% 3. 训练网络
net = train（netP_train）;

%%
% 4. 仿真测试

% 训练集
t_sim_sofm_1 = sim（netP_train）;
T_sim_sofm_1 = vec2ind（t_sim_sofm_1）;
% 测试集
t_sim_sofm_2 = sim（netP_test）;
T_sim_sofm_2 = vec2ind（t_sim_sofm_2）;

%% V. 结果对比
%%
% 1. 竞争神经网络
result_compet_1 = [T_train‘ T_sim_compet_1‘]
result_compet_2 = [T_test‘ T_sim_compet_2‘]

%%    1960009019    l13299109228
% 2. SOFM神经网络
result_sofm_1 = [T_train‘ T_sim_sofm_1‘]
result_sofm_2 = [T_test‘ T_sim_sofm_2‘]
%%   QQ：1960009019
%%   微信：13299109228
%%  微信公众号：大仙一品堂

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        2053  2019-10-13 15:39  10  竞争神经网络与SOM神经网络参考程序\main.m
     文件        1123  2010-10-24 15:59  10  竞争神经网络与SOM神经网络参考程序\water_data.mat
     目录           0  2018-03-21 12:04  10  竞争神经网络与SOM神经网络参考程序\