利用感知器算法进行鸢尾花数据分类

利用感知器算法进行鸢尾花数据分类，还包含一个异或算法，可以解决非线性分类问题

clc;
clear all;
close all;
%生成异或数据
Data1=0+0.1*rand（252）;
Data1X=Data1（:1）;
Data1Y=Data1（:2）;

Data2=1+0.1*rand（252）;
Data2X=Data2（:1）;
Data2Y=Data2（:2）;

Data3=0+0.1*rand（252）;
Data3X=1+Data3（:1）;
Data3Y=Data3（:2）;
Data3=[Data3XData3Y];

Data4=0+0.1*rand（252）;
Data4X=0+Data4（:1）;
Data4Y=1+Data4（:2）;
Data4=[Data4XData4Y];

hold on;
scatter（Data1XData1Y‘r‘）;
scatter（Data2XData2Y‘r‘）;
scatter（Data3XData3Y‘g*‘）;
scatter（Data4XData4Y‘g*‘）;

Label1=repmat（[10]501）;
Label2=repmat（[01]501）;
Data1=[Data1;Data2];
Data1=[Data1Label1];%加上标签
Data3=[Data3;Data4];
Data3=[Data3Label2];%加上标签

%训练数目
num=40;
idx=randperm（num）;%随机打乱一个数列
Data1=Data1（idx:）;%打乱第一类样本%%%%
Data3=Data3（idx:）;%打乱第一类样本%%%%

idx=randperm（num/2）;

Data1_Train=Data1（idx:）;
Data1_Test=Data1;
Data1_Test（idx:）=[];
Data2_Train=Data3（idx:）;
Data2_Test=Data3;
Data2_Test（idx:）=[];
%再次打乱
Data_Train=[Data1_Train;Data2_Train];
Data_Test=[Data1_Test;Data2_Test];
idx=randperm（40）;
Train=Data_Train（idx:）‘;
Test=Data_Test（idx:）‘;
Train_Num=size（Train2）;
Test_Num=size（Test2）;

%BP网络初始化训练
Input_Num=2;
Hidden_Num=4;
Output_Num=2;
V=rand（Input_NumHidden_Num）;
Gamma=rand（Hidden_Num1）;
W=rand（Hidden_NumOutput_Num）;
Theta=rand（Output_Num1）;
step=1;
Iteration_Num=500;
%样本参数
Feature_Start=1;
Feature_End=2;
Label_Start=3;
%正确率检测
error_count=0;
Monte_Carlo=100;

%开始训练
for gradient_descent_num=1:Iteration_Num;


for k=1:Train_Num
%前向传播
Alpha=V‘*Train（Feature_Start:Feature_Endk）-Gamma;
b=1./（1+exp（-Alpha））;
Beta=W‘*b-Theta;
y=1./（1+exp（-Beta））;
g=zeros（Output_Num1）;
l=Label_Start;%标签开始的维度在6
for j=1:Output_Num
    
    g（j1）=y（j1）*（1-y（j1））*（Train（lk）-y（j1））;%差点搞错了，注意Iris_Train（lk）
    l=l+1;
end
%后向传播
u=W*g;
Delte_Theta=-step*g;
Theta=Theta+Delte_Theta;%更新
Delte_W=-b*Delte_Theta‘;
for h=1:Hidden_Num
    Delte_Gamma（h:）=-step*b（h:）*（1-b（h:））*u（h:）;
end
Delte_V=-Train（Feature_Start:Feature_Endk）*Delte_Gamma‘;%需要修改训练集及样本属性所在维数
Gamma=Gamma+Delte_Gamma;%更新
V=V+Delte_V;%更新
W=W+Delte_W;%更新
end
end;


for j=1:Monte_Carlo

for i=1:Test_Num%需要修改待测试训练集
    Alpha=V‘*Test（Feature_Start:Feature_Endi）-Gamma;%需要修改待测试训练集
    b=1./（1+exp（-Alpha））;
    Beta=W‘*b-Theta;
    y=1./（1+exp（-Beta））;
    %[ValueIndex]=min（y）;
    [ValueIndex]=max（y）;
    y（Index1）=1;%取那个大的数置为1
    
    if（Test（Index+2i）==y（Index1））%仔细考虑判别条件
        error_count=error_count;
    else
        error_count=error_count+1;
    end
        
end;

end
error_Rate=error_count/（Monte_Carlo*（Test_Num））;%需要修改测试样本集合
correct_Rate=1-error_Rate
V
W
Gamma‘
Theta‘

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2829  2018-04-23 21:05  感知器算法\MyXOR.m

     文件       1122  2018-05-18 22:34  感知器算法\testbp.m

     目录          0  2018-09-12 09:00  感知器算法

----------- ---------  ---------- -----  ----

                 3951                    3