| 查看: 1089 | 回复: 1 | ||
箬茶木虫 (职业作家)
茶坊主の等等……
|
[求助]
RBF神经网络预测程序，测试结果不对啊
|
|
初学RBF，下面的程序训练没问题，但是预测结果就差很远了，希望专家解答，谢谢~~蓝色字体是存在一些疑问，希望有人能回答一下啊！！ 代码如下： %RBF法建模 %标准化的建模数据集 clear all clear clc data=[0.26667 0.47647 0.35 0.30741 0.39565 0.9; 0.2 0.75882 0.35 0.27778 0.53479 0.46001; 0.2 0.52353 0.4 0.33704 0.32609 0.48001; 0.66667 0.52353 0.29999 0.21852 0.27391 0.50001; 0.26667 0.75882 0.6 0.33704 0.32609 0.44001; 0.16667 0.57059 0.29999 0.27778 0.3087 0.46001; 0.2 0.71176 0.4 0.36667 0.44783 0.48001; 0.23333 0.71176 0.5 0.30741 0.15218 0.34001; 0.16667 0.42941 0.5 0.24815 0.5 0.48001; 0.13333 0.57059 0.5 0.3963 0.41305 0.48001; 0.16667 0.75882 0.5 0.21852 0.3087 0.52001; 0.16667 0.71176 0.4 0.27778 0.48261 0.44001; 0.23333 0.75882 0.5 0.33704 0.3087 0.48001; 0.13333 0.75882 0.5 0.33704 0.23913 0.42001; 0.16667 0.75882 0.2 0.18889 0.13478 0.1; 0.13333 0.71176 0.35 0.27778 0.32609 0.14; 0.2 0.24119 0.35 0.24815 0.3087 0.88001; 0.70001 0.47647 0.25 0.33704 0.20435 0.38001; 0.4 0.52353 0.2 0.15927 0.23913 0.34001; 0.26667 0.47647 0.35 0.12963 0.16957 0.36; 0.16667 0.6647 0.35 0.27778 0.27391 0.40001; 0.3 0.61764 0.55 0.24815 0.25652 0.62001; 0.13333 0.75882 0.6 0.30741 0.20435 0.62001; 0.3 0.71176 0.55 0.18889 0.20435 0.70001; 0.13333 0.57059 0.5 0.30741 0.29131 0.72001; 0.16667 0.80588 0.5 0.21852 0.23913 0.60001; 0.1 0.61764 0.6 0.21852 0.16957 0.62001; 0.23333 0.61764 0.5 0.3963 0.3087 0.70001; 0.2 0.80588 0.45 0.18889 0.1 0.48001; 0.23333 0.6647 0.45 0.1 0.11739 0.54001; 0.2 0.52353 0.29999 0.30741 0.16957 0.50001; 0.16667 0.71176 0.6 0.24815 0.23913 0.70001; 0.1 0.85293 0.6 0.12963 0.16957 0.52001; 0.3 0.61764 0.5 0.21852 0.13478 0.64001; 0.13333 0.61764 0.4 0.27778 0.23913 0.62001; 0.16667 0.80588 0.6 0.3963 0.23913 0.36; 0.23333 0.75882 0.75 0.30741 0.1 0.66001; 0.13333 0.9 0.6 0.27778 0.20435 0.44001; 0.16667 0.61764 0.29999 0.27778 0.32609 0.60001; 0.16667 0.71176 0.6 0.27778 0.27391 0.52001; 0.1 0.85293 0.45 0.1 0.23913 0.54001; 0.1 0.71176 0.69999 0.27778 0.43044 0.76001; 0.1 0.38236 0.6 0.30741 0.32609 0.64001; 0.1 0.75882 0.6 0.33704 0.25652 0.46001; 0.73333 0.71176 0.25 0.45556 0.5 0.50001; 0.56667 0.61764 0.35 0.33704 0.34348 0.74; 0.13333 0.6647 0.75 0.75186 0.69131 0.56001; 0.83334 0.61764 0.25 0.60371 0.44783 0.38001; 0.9 0.33529 0.2 0.3963 0.3087 0.54001; 0.4 0.61764 0.5 0.3963 0.44783 0.48001; 0.1 0.57059 0.4 0.57408 0.7261 0.88001; 0.16667 0.61764 0.35 0.27778 0.34348 0.38001; 0.1 0.47647 0.35 0.75186 0.83045 0.62001; 0.2 0.47647 0.35 0.81111 0.83045 0.70001; 0.1 0.33529 0.6 0.9 0.9 0.50001; 0.13333 0.24119 0.4 0.81111 0.86522 0.58356; 0.4 0.80588 0.6 0.48519 0.55218 0.42001; 0.5 0.42941 0.45 0.57408 0.37826 0.56001; 0.16667 0.28824 0.25 0.75186 0.79567 0.54001; 0.23333 0.33529 0.4 0.84075 0.65653 0.68001; 0.13333 0.57059 0.6 0.57408 0.67392 0.46001; 0.5 0.57059 0.5 0.51482 0.55218 0.44001; 0.1 0.6647 0.69999 0.57408 0.65653 0.88001; 0.3 0.75882 0.75 0.21852 0.37826 0.70001; 0.23333 0.57059 0.6 0.3963 0.41305 0.48001; 0.59999 0.80588 0.45 0.24815 0.25652 0.42001; 0.70001 0.28824 0.65 0.63334 0.58696 0.60001; 0.4 0.61764 0.4 0.33704 0.34348 0.34001; 0.46666 0.1 0.5 0.63334 0.65653 0.54001; 0.23333 0.33529 0.25 0.84075 0.7261 0.50001; 0.2 0.47647 0.1 0.27778 0.3087 0.42001; 0.36667 0.52353 0.5 0.51482 0.83045 0.62001; 0.4 0.47647 0.45 0.33704 0.32609 0.50001; 0.33333 0.33529 0.4 0.63334 0.7261 0.46001; 0.23333 0.24119 0.55 0.63334 0.7261 0.53778; 0.13333 0.24119 0.45 0.33704 0.3087 0.76001; 0.33333 0.47647 0.45 0.42593 0.41305 0.70001; 0.5 0.1 0.35 0.3963 0.48261 0.70001; 0.46666 0.52353 0.4 0.63334 0.86522 0.52001; 0.26667 0.33529 0.25 0.69259 0.83045 0.68001; 0.26667 0.71176 0.6 0.42593 0.55218 0.34001; 0.4 0.42941 0.5 0.45556 0.43044 0.52001; 0.23333 0.47647 0.6 0.54445 0.62175 0.52001; 0.36667 0.47647 0.4 0.69259 0.69131 0.52001; 0.26667 0.61764 0.29999 0.63334 0.81306 0.44001; 0.1 0.33529 0.65 0.3963 0.23913 0.44001; 0.13333 0.57059 0.6 0.51482 0.55218 0.38001; 0.2 0.33529 0.55 0.45556 0.55218 0.52001; 0.33333 0.24119 0.29999 0.57408 0.83045 0.64001; 0.16667 0.42941 0.5 0.45556 0.76088 0.58001; 0.13333 0.71176 0.65 0.45556 0.37826 0.22001; 0.1 0.71176 0.6 0.63334 0.69131 0.28001; 0.2 0.52353 0.9 0.36667 0.48261 0.36446; 0.16667 0.71176 0.8 0.36667 0.32609 0.42001; 0.13333 0.42941 0.55 0.51482 0.48261 0.58001; 0.4 0.47647 0.5 0.30741 0.37826 0.48001; 0.8 0.52353 0.4 0.30741 0.34348 0.48001; 0.1 0.6647 0.69999 0.51482 0.5 0.38001; 0.16667 0.6647 0.55 0.45556 0.32609 0.34001; 0.23333 0.61764 0.65 0.51482 0.41305 0.2 0.3 0.71176 0.5 0.33704 0.5174 0.70001; 0.13333 0.57059 0.5 0.33704 0.44783 0.60001; 0.3 0.80588 0.69999 0.54445 0.5174 0.50001; 0.13333 0.75882 0.65 0.3963 0.37826 0.28001; 0.16667 0.71176 0.65 0.57408 0.5 0.70001; 0.16667 0.75882 0.6 0.45556 0.62175 0.44001; 0.26667 0.61764 0.65 0.3963 0.34348 0.74; 0.36667 0.57059 0.5 0.30741 0.39565 0.62001; 0.16667 0.57059 0.65 0.3963 0.29131 0.62001; 0.2 0.52353 0.5 0.48519 0.39565 0.44001; 0.4 0.52353 0.45 0.33704 0.34348 0.56001; 0.13333 0.52353 0.5 0.33704 0.29131 0.52001; 0.26667 0.42941 0.5 0.75186 0.65653 0.76001; 0.13333 0.24119 0.5 0.54445 0.58696 0.64001; 0.13333 0.14707 0.1 0.51482 0.5174 0.58001; 0.2 0.24119 0.29999 0.60371 0.62175 0.74; 0.26667 0.42941 0.25 0.57408 0.65653 0.60001; 0.56667 0.19412 0.4 0.78148 0.69131 0.70001; 0.4 0.57059 0.25 0.60371 0.58696 0.50001; 0.33333 0.47647 0.25 0.48519 0.65653 0.72001; 0.4 0.38236 0.29999 0.42593 0.23913 0.58001; 0.13333 0.61764 0.65 0.57408 0.55218 0.70001; 0.23333 0.42941 0.69999 0.63334 0.48261 0.62001]; %训练数据 p=data(1:100,1:5); t=data(1:100,6); p=p'; t=t'; %测试数据 p_test=data(101:123,1:5); t_test=data(101:123,6); p_test=p_test'; t_test=t_test'; %—————————初始化——————————————— [~,Q]=size(p); SamNum =Q; % 总样本数 InDim = 1; % 样本输入维数，输入维数设置有什么要求吗？ ClusterNum = 5; % 隐节点数，即聚类样本数 Overlap = 1; % 隐节点重叠系数 %选择初始聚类中心 Centers = p(:,1:ClusterNum); NumberInClusters = zeros(ClusterNum,1); % 各类中的样本数，初始化为零 IndexInClusters = zeros(ClusterNum,SamNum); % 各类所含样本的索引号 while 1, NumberInClusters = zeros(ClusterNum,1); % 各类中的样本数，初始化为零 IndexInClusters = zeros(ClusterNum,SamNum); % 各类所含样本的索引号 % 按最小距离原则对所有样本进行分类 for i = 1:SamNum %计算所有样本输入与聚类中心的距离 AllDistance = dist(Centers',p(:,i)); %按对小距离原则对样本进行分类 [~,Pos] = min(AllDistance); NumberInClusters(Pos) = NumberInClusters(Pos) + 1; IndexInClusters(Pos,NumberInClusters(Pos)) = i; end % 保存旧的聚类中心 OldCenters = Centers; %重新计算各类新的聚类中心 for i = 1:ClusterNum Index = IndexInClusters(i,1:NumberInClusters(i)); Centers(:,i) = mean(p(:,Index)')'; end % 判断新旧聚类中心是否一致，是则结束聚类 EqualNum = sum(sum(Centers==OldCenters)); if EqualNum == InDim*ClusterNum, break, end end % 根据各聚类中心之间的距离确定各隐节点的扩展常数（宽度） AllDistances = dist(Centers',Centers); % 计算隐节点数据中心间的距离（矩阵） Maximum = max(max(AllDistances)); % 找出其中最大的一个距离 for i = 1:ClusterNum % 将对角线上的0 替换为较大的值 AllDistances(i,i) = Maximum+1; end spread = Overlap*min(min(AllDistances)') % 以隐节点间的最小距离作为扩展常数 %spread = Overlap*min(AllDistances)' % 以隐节点间的最小距离作为扩展常数 %spread有问题 %使用min(min())，不用双min的话，spread是一个矩阵，不是一个数字，怎么解决？？？%--------------------------------------------------- % 训练与测试 net = newrbe(p,t,spread); a = sim(net,p) % 测试 - 输出为预测值 err1 = sum((t-a).^2) % 训练误差的平方和 %--------------------------------------------------- % 结果作图 %subplot(1,2,1); figure(1) plot(t,'r+:') hold on plot(a,'bo:') title('+为真实值，o为预测值') title('RBF网络拟合曲线图--训练'); legend('实际值','估计值'); ylabel('样本输出'); xlabel('输入样本点'); axis([1,105,0,1]); b=sim(net,p_test) err2=sum((t_test-b).^2) % 训练误差的平方和 %subplot(1,2,2); figure(2) plot(t_test,'r+:') hold on plot(b,'bo:') title('+为真实值，o为预测值') title('RBF网络拟合曲线图--测试'); legend('实际值','估计值'); ylabel('样本输出'); xlabel('输入样本点'); axis([0,25,-20,5]); 结果截图： 训练图  测试结果图：  [ Last edited by 箬茶 on 2012-11-22 at 16:24 ] |
回复此楼» 猜你喜欢
中国科学院东莞材料科学与技术研究所-2026年博士招生-吴昊研究员-磁学与自旋电子学
已经有0人回复
-
《电磁学》教材推荐
已经有1人回复
-
物理学I论文润色/翻译怎么收费?
已经有139人回复
-
【急招】合肥工大核聚变材料计算方向2026级工程博士生
已经有4人回复
-
大豆异黄酮分离
已经有0人回复
-
湖南大学材料学院急招2026年博士生，临时增加一名博士联培指标
已经有10人回复
-
天津理工大学晶体材料全国重点实验室刘红军教授课题组招收博士生1-2名
已经有1人回复
-
中国科学院物理研究所谌志国研究员团队招收2027年博士研究生
已经有3人回复
-
2026年中德博士后交流项目 - 新型量子和磁性材料：材料制备表征和中子散射研究
已经有12人回复
» 本主题相关价值贴推荐，对您同样有帮助:
- bp 网络预测 求助人工神经网络
已经有6人回复
- matlab 的 bp神经网络 预测 问题..小作业..
已经有9人回复
箬茶
木虫 (职业作家)
茶坊主の等等……
- 应助: 0 (幼儿园)
- 金币: 3271.6
- 散金: 209
- 红花: 6
- 帖子: 3311
- 在线: 240.2小时
- 虫号: 1015554
- 注册: 2010-05-10
- 性别: MM
- 专业: 计算机应用技术
2楼2012-11-23 15:25:43
10