24小时热门版块排行榜

返回列表

刀光

木虫 (著名写手)

铁虫

应助: 1 (幼儿园)
金币: 21289.6
散金: 261
帖子: 2674
在线: 120.4小时
虫号: 2369003
注册: 2013-03-22
性别: GG
专业: 计算机软件

[求助] matlab 神经网络3分类代码求助！

本人现在在做毕业设计，做了一下支持向量机3分类和智能算法优化支持向量机参数，还想做一下SVM分类和神经网络，决策树，KJ近邻等算法的分类准确率的比较，由于时间比较紧急，神经网络以前没接触过，网上找到一个参考程序，语音信号4分类，我的数据是放在一个文本文档里面的210行9列（第一列是类别标签）的数据，要实现我的三分类，代码要怎么改？求大神相助，感激不尽！！！网上参考代码如下：

web browser http://www.ilovematlab.cn/thread-60056-1-1.html
%% 清空环境变量
clc
clear

%% 训练数据预测数据提取及归一化

%下载四类语音信号
load data1 c1
load data2 c2
load data3 c3
load data4 c4

%四个特征信号矩阵合成一个矩阵
data(1:500,

=c1(1:500,

;
data(501:1000,

=c2(1:500,

;
data(1001:1500,

=c3(1:500,

;
data(1501:2000,

=c4(1:500,

;

%从1到2000间随机排序
k=rand(1,2000);
[m,n]=sort(k);

%输入输出数据
input=data(:,2:25);
output1 =data(:,1);

%把输出从1维变成4维
for i=1:2000
switch output1(i)
case 1
output(i,

=[1 0 0 0];
case 2
output(i,

=[0 1 0 0];
case 3
output(i,

=[0 0 1 0];
case 4
output(i,

=[0 0 0 1];
end
end

%随机提取1500个样本为训练样本，500个样本为预测样本
input_train=input(n(1:1500),

';
output_train=output(n(1:1500),

';
input_test=input(n(1501:2000),

';
output_test=output(n(1501:2000),

';

%输入数据归一化
[inputn,inputps]=mapminmax(input_train);

%% 网络结构初始化
innum=24;
midnum=25;
outnum=4;

%权值初始化
w1=rands(midnum,innum);
b1=rands(midnum,1);
w2=rands(midnum,outnum);
b2=rands(outnum,1);

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=1:1:1500
   %% 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(k,j)=FI(j)*x(k)*(e(1)*w2(j,1)+e(2)*w2(j,2)+e(3)*w2(j,3)+e(4)*w2(j,4));
            db1(j)=FI(j)*(e(1)*w2(j,1)+e(2)*w2(j,2)+e(3)*w2(j,3)+e(4)*w2(j,4));
         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

%% 语音特征信号分类
inputn_test=mapminmax('apply',input_test,inputps);

for ii=1:1
for i=1:500%1500
      %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

%% 结果分析
%根据网络输出找出数据属于哪类
for i=1:500
output_fore(i)=find(fore(:,i)==max(fore(:,i)));
end

%BP网络预测误差
error=output_fore-output1(n(1501:2000))';

%画出预测语音种类和实际语音种类的分类图
figure(1)
plot(output_fore,'r')
hold on
plot(output1(n(1501:2000))','b')
legend('预测语音类别','实际语音类别')

%画出误差图
figure(2)
plot(error)
title('BP网络分类误差','fontsize',12)
xlabel('语音信号','fontsize',12)
ylabel('分类误差','fontsize',12)

%print -dtiff -r600 1-4

k=zeros(1,4);
%找出判断错误的分类属于哪一类
for i=1:500
if error(i)~=0
      [b,c]=max(output_test(:,i));
      switch c
         case 1
            k(1)=k(1)+1;
         case 2
            k(2)=k(2)+1;
         case 3
            k(3)=k(3)+1;
         case 4
            k(4)=k(4)+1;
      end
end
end

%找出每类的个体和
kk=zeros(1,4);
for i=1:500
[b,c]=max(output_test(:,i));
switch c
      case 1
         kk(1)=kk(1)+1;
      case 2
         kk(2)=kk(2)+1;
      case 3
         kk(3)=kk(3)+1;
      case 4
         kk(4)=kk(4)+1;
end
end

%正确率
rightridio=(kk-k)./kk
web browser http://www.ilovematlab.cn/thread-60056-1-1.html

回复此楼