RBF神经网络--分类和回归

该资源为RBF神经网络的分类和回归，简单而实用

% RBF 神经网络用于模式分类
% 使用平台 - Matlab6.5
% 作者：陆振波，海军工程大学
% 欢迎同行来信交流与合作，更多文章与程序下载请访问我的个人主页
% 电子邮件：luzhenbo@yahoo.com.cn
% 个人主页：http://luzhenbo.88uu.com.cn


clc
clear
close all

%---------------------------------------------------
% 产生训练样本与测试样本，每一列为一个样本

P1 = [rand（35）rand（35）+1rand（35）+2];
T1 = [repmat（[1;0;0]15）repmat（[0;1;0]15）repmat（[0;0;1]15）];

P2 = [rand（35）rand（35）+1rand（35）+2];
T2 = [repmat（[1;0;0]15）repmat（[0;1;0]15）repmat（[0;0;1]15）];

%---------------------------------------------------
% 归一化

[PN1minpmaxp] = premnmx（P1）;
PN2 = tramnmx（P2minpmaxp）;

%---------------------------------------------------
% 训练

switch 2
case 1
        
% 神经元数是训练样本个数
spread = 1;                   % 此值越大覆盖的函数值就大（默认为1）
net = newrbe（PN1T1spread）;

case 2
    
% 神经元数逐步增加最多就是训练样本个数
goal = 1e-4;                    % 训练误差的平方和（默认为0）
spread = 1;                   % 此值越大需要的神经元就越少（默认为1）
MN = size（PN12）;               % 最大神经元数（默认为训练样本个数）
DF = 1;                         % 显示间隔（默认为25）
net = newrb（PN1T1goalspreadMNDF）;

case 3
    
spread = 1;                   % 此值越大需要的神经元就越少（默认为1）
net = newgrnn（PN1T1spread）;
    
end

%---------------------------------------------------
% 测试

Y1 = sim（netPN1）;             % 训练样本实际输出
Y2 = sim（netPN2）;             % 测试样本实际输出

Y1 = full（compet（Y1））;         % 竞争输出
Y2 = full（compet（Y2））;          

%---------------------------------------------------
% 结果统计

Result = ~sum（abs（T1-Y1））                 % 正确分类显示为1
Percent1 = sum（Result）/length（Result）      % 训练样本正确分类率

Result = ~sum（abs（T2-Y2））                 % 正确分类显示为1
Percent2 = sum（Result）/length（Result）      % 测试样本正确分类率

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

     文件       1950  2007-12-09 18:44  NeuralNetwork_RBF\NeuralNetwork_RBF_Regression.m

     文件       1978  2007-12-09 18:44  NeuralNetwork_RBF\NeuralNetwork_RBF_Classification.m

     目录          0  2007-12-09 18:43  NeuralNetwork_RBF

     文件        398  2007-12-09 13:14  NeuralNetwork_RBF\RBF文件夹说明.txt

     文件       3543  2009-02-01 16:19  使用帮助：新手必看.htm

     文件        183  2009-02-02 09:47  Matlab中文论坛--助努力的人完成毕业设计.url

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

                 8052                    6