• 大小: 0.62M
    文件类型: .rar
    金币: 1
    下载: 0 次
    发布日期: 2021-05-07
  • 语言: 其他
  • 标签: 其他  

资源简介

BP+三个数据集.rar

资源截图

代码片段和文件信息


clc;
% data = load(‘P.mat‘);
data = importdata(‘Page.mat‘);

%输入输出数据
input=data(:1:10);
output1 =data(:11);

%排序
k=rand(15473);
[mn]=sort(k);

%把输出从1维变成5维
for i=1:5473
    switch output1(i)
        case 1
            output(i:)=[1 0 0 0 0];
        case 2
            output(i:)=[0 1 0 0 0];
        case 3
            output(i:)=[0 0 1 0 0];
        case 4
            output(i:)=[0 0 0 1 0];
        case 5
            output(i:)=[0 0 0 0 1]
    end
end

%随机提取4000个样本为训练样本,1473个样本为预测样本
input_train=input(n(1:4000):)‘;
output_train=output(n(1:4000):)‘;

input_test=input(n(4001:5473):)‘;
output_test=output(n(4001:5473):)‘;

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

%% 网络结构初始化
innum=10;
midnum=25;
outnum=5;
 

%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=1:1:4000
       %% 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(j2)+e(3)*w2(j3)+e(4)*w2(j4));
                db1(j)=FI(j)*(e(1)*w2(j1)+e(2)*w2(j2)+e(3)*w2(j3)+e(4)*w2(j4));
            end
        end
           
        w1=w1_1+xite*dw1‘;
        b1=b1_1+xite*db1‘;
        w2=w2_1+xite*dw2‘;
        b2=b2_1+xite*db2‘;
        
        w1_2=w1_1;w1_1=w1;
        w2_2=w2_1;w2_1=w2;
        b1_2=b1_1;b1_1=b1;
        b2_2=b2_1;b2_1=b2;
    end
end
inputn_test=mapminmax(‘apply‘input_testinputps);

for ii=1:1
    for i=1:1473 %4000
        %隐含层输出
        for j=1:1:midnum
            I(j)=inputn_test(:i)‘*w1(j:)‘+b1(j);
            Iout(j)=1/(1+exp(-I(j)));
        end
        
        fore(:i)=w2‘*Iout‘+b2;
    end
end
 %根据网络输出找出数据属于哪类
for i=1:1473
    output_fore(i)=find(fore(:i)==max(fore(:i)));
end

%BP网络预测误差
error=output_fore-output1(n(4001:5473))‘;



%画出预测Page种类和实际Page种类的分类图
figure(1)
plot(output_fore‘r‘)
hold on
plot(output1(n(4001:5473))‘‘b‘)
legend(‘预测Page类别‘‘实际Page类别‘)

%画出误差图
figure(2)
plot(error)
title(‘BP网络分类误差‘‘fontsize‘12)
xlabel(‘Page类型‘‘fontsize‘12)
ylabel(‘分类误差‘‘fontsize‘12)

%print -dtiff -r600 1-5

k=zeros(15);  
%找出判断错误的分类属于哪一类
for i=1:1473
    if error(i)~=0
        [bc]=max(output_test(:i));
        switch c
            case 1 
                k(

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

     文件     153899  2017-12-05 22:17  20175428002-胡超\Letter.mat

     文件      48400  2017-12-14 01:04  20175428002-胡超\Letter错误率.jpg

     文件       3785  2017-12-16 20:19  20175428002-胡超\MyNN.m

     文件       5826  2017-12-08 18:18  20175428002-胡超\MyNN1Page.m

     文件       5307  2017-12-14 01:00  20175428002-胡超\MyNN2Letter.m

     文件       2719  2017-12-16 11:56  20175428002-胡超\MyNN3Spam.m

     文件     119771  2017-12-05 22:18  20175428002-胡超\Page.mat

     文件      66114  2017-12-08 18:20  20175428002-胡超\Page训练前.jpg

     文件      65895  2017-12-08 18:20  20175428002-胡超\Page训练后.jpg

     文件      42258  2017-12-08 18:21  20175428002-胡超\Page错误率.jpg

     文件     218942  2017-12-05 22:19  20175428002-胡超\Spam.mat

     文件      46822  2017-12-16 23:12  20175428002-胡超\Spam错误率.jpg

     目录          0  2017-12-17 00:09  20175428002-胡超

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

               779738                    13


评论

共有 条评论