在MATLAB中用BP神经网络进行数据分类

在人工神经网络的实际应用中，BP网络广泛应用于函数逼近、模式识别/分类、数据压缩等，80%~90%的人工神经网络模型是采用BP网络或它的变化形式，它也是前馈网络的核心部分，体现了人工神经网络最精华的部分。

%构建训练样本中的输入向量p
p1=[1739.94 373.3 1756.77 864.45 222.85 877.88 1803.58;
   1675.15 3087.05 1652 1647.31 3059.54 2031.66 1583.12;
   2395.96 2429.47 1514.98 2665.9 2002.33 3071.18 2163.05];
p2=[2352.12 401.3 363.34 1571.17 104.8 499.85 2297.28;
    2557.04 3259.94 3477.95 1731.04 3389.83 3305.75 3340.14;
    1411.53 2150.98 2462.86 1735.33 2421.83 2196.22 535.62];
p3=[2092.62 1418.79 1845.59 2205.36 2949.16 1692.62 1680.67;
    3177.21 1775.89 1918.81 3243.74 3244.44 1867.5 1575.78;
    584.32 2772.9 2226.49 1202.69 662.42 2108.97 1725.1];
p4=[2802.88 172.78 2063.54 1449.58 1651.52 341.59 291.02 237.63;
   3017.11 3084.49 3199.76 1641.58 1713.28 3076.62 3095.68 3077.78;
  1984.98 2328.65 1257.21 3405.12 1570.38 2438.63 2088.95 2251.96];
p=[p1 p2 p3 p4];
%构建训练样本中的目标向量t
t1=[0 1 0 0 1 0 0;
    1 0 1 0 0 0 1;
    0 0 0 0 0 0 0;
    0 0 0 1 0 1 0];
t2=[0 1 1 0 1 1 0;
    1 0 0 1 0 0 0;
    0 0 0 0 0 0 1;
    0 0 0 0 0 0 0];
t3=[0 0 0 0 0 0 0;
    0 0 1 0 0 1 1;
    1 0 0 1 1 0 0;
    0 1 0 0 0 0 0];
t4=[0 1 0 0 0 1 1 1;
    0 0 0 0 1 0 0 0;
    1 0 1 0 0 0 0 0;
    0 0 0 1 0 0 0 0];
   t=[t1 t2 t3 t4];
%创建一个BP网络，隐含层有9个神经元