矢量量化神经网络,自组织竞争神经网络,自组织映射网络
2016-03-29 17:51
507 查看
矢量量化神经网络 解决有监督的分类问题 [x,t] = iris_dataset; % 加载数据,x为输入样本,t为期望输出 rng(0) whos ri=randperm(150); % 划分训练与测试集 x1=x(:,ri(1:50)); t1=t(:,ri(1:50)); x2=x(:,ri(51:150)); t2=t(:,ri(51:150)); net = lvqnet(20); % 创建网络进行训练 默认 20竞争神经元个数0.01学习率'learnlv1'学习函数 net = train(net,x1,t1); y = net(x2); % 测试 yy=vec2ind(y); ty=vec2ind(t2); sum(yy==ty)/length(yy) 自组织竞争神经网络 解决分类/聚类问题 竞争神经网络 %% 清理 clear,clc close all %% 样本数据 x0=[4.1,1.8,0.5,2.9,4.0,0.6,3.8,4.3,3.2,1.0,3.0,3.6,3.8,3.7,3.7,8.6,9.1,... 7.5,8.1,9.0,6.9,8.6,8.5,9.6,10.0,9.3,6.9,6.4,6.7,8.7;... 8.1,5.8,8.0,5.2,7.1,7.3,8.1,6.0,7.2,8.3,7.4,7.8,7.0,6.4,8.0,... 3.5,2.9,3.8,3.9,2.6,4.0,2.9,3.2,4.9,3.5,3.3,5.5,5.0,4.4,4.3]; %% 建立竞争网络,两个类别 net = competlayer(2); %% 训练 net.trainParam.epochs=400; %最大的训练步数 tic net=train(net,x0); toc %% 计算结果 y=net(x0); calsses = vec2ind(y); fprintf('分类结果\n'); disp(calsses) view(net) 自组织映射网络 输出层引入拓扑结构 % mykohonen.m %% 清空环境变量 clc,clear close all %% 样本数据 x0=[4.1,1.8,0.5,2.9,4.0,0.6,3.8,4.3,3.2,1.0,3.0,3.6,3.8,3.7,3.7,8.6,9.1,... 7.5,8.1,9.0,6.9,8.6,8.5,9.6,10.0,9.3,6.9,6.4,6.7,8.7;... 8.1,5.8,8.0,5.2,7.1,7.3,8.1,6.0,7.2,8.3,7.4,7.8,7.0,6.4,8.0,... 3.5,2.9,3.8,3.9,2.6,4.0,2.9,3.2,4.9,3.5,3.3,5.5,5.0,4.4,4.3]; %数据归一化 [x,m_x]=mapminmax(x0); %% 网络构建 net = selforgmap([2 2]); % 创建自组织映射网络 分2x2=4类 net.trainParam.coverSteps=200; net.trainParam.initNeighbor=1; net = train(net,x); y = net(x); Index = vec2ind(y) %% 显示 x1=x0(:,Index==1); x2=x0(:,Index==2); x3=x0(:,Index==3); x4=x0(:,Index==4); plot(x1(1,:),x1(2,:),'ro');hold on plot(x2(1,:),x2(2,:),'k*'); plot(x3(1,:),x3(2,:),'b>'); plot(x4(1,:),x4(2,:),'mp'); title('聚类结果') legend('类别1','类别2','类别3','类别4') % legend('类别1','类别2') set(gcf,'color','w') box on
相关文章推荐
- 基于AFNetworking3.0网络封装
- 广义回归神经网络GRNN ,竞争神经网络,自组织映射神经网络
- 严格径向基网络RBF网络,概率神经网络PNN
- nginx_http_proxy_module,实现反向代理及缓存功能
- Xcode7 使用NSURLSession发送HTTP请求的问题
- 基于HTTP协议的轻量级开源简单队列服务:HTTPSQS
- HttpClient4.3 post与get请求工具类完整示例
- BP神经网络matlab实现
- 线性神经网络与非线性神经网络 ,添加非线性成分后的线性神经网络用于求解异或逻辑
- IOS学习 info.plist 文件加两行代码 多线程NSThread/GCD 异步下载网络图片
- Http与Https的区别
- HttpClient网络请求
- session 和 cookie
- 基于AFNetWorking 3.0封装网络请求数据的类
- 异步HttpAsyncClient框架的学习和使用
- http-关于application/x-www-form-urlencoded等字符编码的解释说明
- Linux网络编程入门 (转载)
- 增多 cookie 安全性添加HttpOnly和secure属性
- 推荐一个免费的论文查重网站PaperFree:http://www.paperfree.cn
- 淘宝店铺店名起、分类如何定【太原网络营销师】教你