BP神经网络多分类

web browser http://www.ilovematlab.cn/thread-60056-1-1.html
%% 清空环境变量
clc
clear

%% 训练数据预测数据提取及归一化

%下载四类语音信号
load data1 c1
load data2 c2
load data3 c3
load data4 c4

%四个特征信号矩阵合成一个矩阵
data（1:500:）=c1（1:500:）;
data（501:1000:）=c2（1:500:）;
data（1001:1500:）=c3（1:500:）;
data（1501:2000:）=c4（1:500:）;

%从1到2000间随机排序
k=rand（12000）;
[mn]=sort（k）;

%输入输出数据
input=data（:2:25）;
output1 =data（:1）;

%把输出从1维变成4维
for i=1:2000
    switch output1（i）
        case 1
            output（i:）=[1 0 0 0];
        case 2
            output（i:）=[0 1 0 0];
        case 3
            output（i:）=[0 0 1 0];
        case 4
            output（i:）=[0 0 0 1];
    end
end

%随机提取1500个样本为训练样本，500个样本为预测样本
input_train=input（n（1:1500）:）‘;
output_train=output（n（1:1500）:）‘;
input_test=input（n（1501:2000）:）‘;
output_test=output（n（1501:2000）:）‘;

%输入数据归一化
[inputninputps]=mapminmax（input_train）;

%% 网络结构初始化
innum=24;
midnum=25;
outnum=4;
 

%权值初始化
w1=rands（midnuminnum）;
b1=rands（midnum1）;
w2=rands（midnumoutnum）;
b2=rands（outnum1）;

w2_1=w2;w2_2=w2_1;
w1_1=w1;w1_2=w1_1;
b1_1=b1;b1_2=b1_1;
b2_1=b2;b2_2=b2_1;

%学习率
xite=0.1
alfa=0.01;

%% 网络训练
for ii=1:10
    E（ii）=0;
    for i=1:1:1500
       %% 网络预测输出 
        x=inputn（:i）;
        % 隐含层输出
        for j=1:1:midnum
            I（j）=inputn（:i）‘*w1（j:）‘+b1（j）;
            Iout（j）=1/（1+exp（-I（j）））;
        end
        % 输出层输出
        yn=w2‘*Iout‘+b2;
        
       %% 权值阀值修正
        %计算误差
        e=output_train（:i）-yn;     
        E（ii）=E（ii）+sum（abs（e））;
        
        %计算权值变化率
        dw2=e*Iout;
        db2=e‘;
        
        for j=1:1:midnum
            S=1/（1+exp（-I（j）））;
            FI（j）=S*（1-S）;
        end      
        for k=1:1:innum
            for j=1:1:midnum
                dw1（kj）=FI（j）*x（k）*（e（1）*w2（j1）+e（2）*w2（j