业界良心版BP神经网络分类MATLAB代码+测试数据

BP神经网络分类MATLAB代码+测试数据，亲测绝对可运行，绝对业界良心

clc;
clear;
load（‘irisdata.mat‘）;
%读取训练数据
%[f1f2f3f4class] = textread（‘trainData.txt‘  ‘%f%f%f%f%f‘150）;
f1=[setosa（:1）;versicolour（:1）;virginica（:1）];
f2=[setosa（:2）;versicolour（:2）;virginica（:2）];
f3=[setosa（:3）;versicolour（:3）;virginica（:3）];
f4=[setosa（:4）;versicolour（:4）;virginica（:4）];
class=[ones（501）;ones（501）*2;ones（501）*3];

%特征值归一化
[inputminImaxI] = premnmx（ [f1  f2  f3  f4 ]‘）  ;

%构造输出矩阵
s = length（ class） ;
output = zeros（ s  3  ） ;
for i = 1 : s 
   output（ i  class（ i ）  ） = 1 ;
end

%创建神经网络
net = newff（ minmax（input）  [10 3] ）; % { ‘logsig‘ ‘purelin‘ }  ‘traingdx‘ ） ; 

%设置训练参数
net.trainparam.show = 50 ;
net.trainparam.epochs = 500 ;
net.trainparam.goal = 0.01 ;
net.trainParam.lr = 0.01 ;

%开始训练
net = train（ net input  output‘ ） ;

%读取测试数据
% [t1 t2 t3 t4 c] = textread（‘testData.txt‘  ‘%f%f%f%f%f‘150）;
t1=f1;
t2=f2;
t3=f3;
t4=f4;
c=class;

%测试数据归一化
testInput = tramnmx （ [t1t2t3t4]‘  minI maxI ） ;

%仿真
Y = sim（ net  testInput ） ;

%统计识别正确率
[s1  s2] = size（ Y ） ;
hitNum = 0 ;
for i = 1 : s2
    [m  Index] = max（ Y（ :   i ） ） ;
    if（ Index  == c（i）   ） 
        hitNum = hitNum + 1 ; 
    end
end
sprintf（‘识别率是 %3.3f%%‘100 * hitNum / s2 ）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        1332  2015-01-13 17:14  BP_demo.m
     文件        2210  2015-01-13 16:54  irisdata.mat