%BP算法，采用交叉驗證
clc;
clear;
flag=0;
[NUM]=xlsread（‘樣本數(shù)據(jù).xls‘‘B2:I147‘）;
[hw]=size（NUM）;
group=zeros（h1）;
train=zeros（h5）;
train_exresult=zeros（h1）;
test=zeros（h1）;
test_result=zeros（h1）;
for?i=1:100???%訓(xùn)練集
????train（i1）=NUM（i3）;???%身高
????train（i2）=NUM（i4）;???%體重
????train（i3）=NUM（i6）;???%喜歡數(shù)學(xué)
????train（i4）=NUM（i7）;???%喜歡文學(xué)
????train（i5）=NUM（i8）;???%喜歡運動
????train_exresult（i1）=NUM（i1）;???%性別
end?
for?i=101:h??%測試集
????test（i-1001）=NUM（i3）;???%身高
????test（i-1002）=NUM（i4）;???%體重
????test（i-1003）=NUM（i6）;???%喜歡數(shù)學(xué)
????test（i-1004）=NUM（i7）;???%喜歡文學(xué)
????test（i-1005）=NUM（i8）;???%喜歡運動
????test_result（i-1001）=NUM（i1）;???%性別
end

%對身高和體重進(jìn)行數(shù)值歸一化
max_h=train（11）;min_h=train（11）;
max_w=train（12）;min_w=train（12）;
for?i=2:h
????if?train（i1）>max_h
????????max_h=train（i1）;
????end
????if?train（i1）????????min_h=train（i1）;
????end
????if?train（i2）>max_w
????????max_w=train（i2）;
????end
????if?train（i2）????????min_w=train（i2）;
????end
end
for?i=1:h
????train（i1）=（train（i1）-min_h）/（max_h-min_h）;
????train（i2）=（train（i2）-min_w）/（max_w-min_w）;
end

%q?=?randi（h）;???%隨機(jī)選擇數(shù)據(jù)

%隨機(jī)產(chǎn)生輸入層至隱層的權(quán)值范圍（-0.3，0.3）
w11=rand（1）*0.6-0.3;w12=rand（1）*0.6-0.3;w13=rand（1）*0.6-0.3;w14=rand（1）*0.6-0.3;w15=rand（1）*0.6-0.3;
w21=rand（1）*0.6-0.3;w22=rand（1）*0.6-0.3;w23=rand（1）*0.6-0.3;w24=rand（1）*0.6-0.3;w25=rand（1）*0.6-0.3;
w31=rand（1）*0.6-0.3;w32=rand（1）*0.6-0.3;w33=rand（1）*0.6-0.3;w34=rand（1）*0.6-0.3;w35=rand（1）*0.6-0.3;
w41=rand（1）*0.6-0.3;w42=rand（1）*0.6-0.3;w43=rand（1）*0.6-0.3;w44=rand（1）*0.6-0.3;w45=rand（1）*0.6-0.3;
w51=rand（1）*0.6-0.3;w52=rand（1）*0.6-0.3;w53=rand（1）*0.6-0.3;w54=rand（1）*0.6-0.3;w55=rand（1）*0.6-0.3;
%隨機(jī)產(chǎn)生隱層至輸出層的權(quán)值，范圍（-0.3，0.3）
v1=rand（1）*0.6-0.3;v2=rand（1）*0.6-0.3;v3=rand（1）*0.6-0.3;v4=rand（1）*0.6-0.3;v5=rand（1）*0.6-0.3;

for?i=1:100?%訓(xùn)練100次
%?while?（flag==0）
%?????count=1;
????for?q?=?1:100????%進(jìn)行訓(xùn)練，前100為訓(xùn)練樣本

%當(dāng)前神經(jīng)網(wǎng)絡(luò)的實際輸出
y1=1/（1+exp（-（w11*train（q1）+w21*train（q2）+w31*train（q3）+w41*train（q4）+w51*train（q5））））;
y2=1/（1+exp（-（w12*train（q1）+w22*train（q2）+w32*train（q3）+w42*train（q4）+w52*train（q5））））;
y3=1/（1+exp（-（w13*train（q1）+w23*train（q2）+w33*train（q3）+w43*train（q4）+w53*train（q5））））;
y4=1/（1+exp（-（w14*train（q1）+w24*train（q2）+w34*train（q3）+w44*train（q4）+w54*train（q5））））;
y5=1/（1+exp（-（w15*train（q1）+w25*train（q2）+w35*train（q3）+w45*train（q4）+w55*train（q5））））;
y=1/（1+exp（-（v1*y1+v2*y2+v3*y3+v4*y4+v5*y5）））;

%?ex（q1）=y-exresult（q1）;
%?if?（ex（q1）<1）?&?（ex（q1）>-1）
%?????count=count+1;?
%?end
%權(quán)值修正，步長取1
v1_1=v1+y*（1-y）*（train_exresult（q1）-y）*y1;
v2_1=v2+y*（1-y）*（train_exresult（q1）-y）*y2;
v3_1=v3+y*（1-y）*（train_exresult（q1）-y）*y3;
v4_1=v4+y*（1-y）*（train_exresult（q1）-y）*y4;
v5_1=v5+y*（1-y）*（train_exresult（q1）-y）*y5;
w11_1=w11+y1*（1-y1）*y*（1-y）*（train_exresult（q1）-y）*train（q1）;w12_1=w12+y2*（1-y2）*y*（1-y）*（train_exresult（q1）-y）*train（q1）;
w13_1=w13+y3*（1-y3）*y*（1-y）*（train_exresult（q1）-y）*train（q1）;w14_1=

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????6901??2016-10-19?21:44??bp神經(jīng)網(wǎng)絡(luò)matlab實現(xiàn)\BPalgorithm.m

?????文件???????2033??2016-10-19?21:46??bp神經(jīng)網(wǎng)絡(luò)matlab實現(xiàn)\SVM.m

?????文件???????1795??2016-10-19?21:48??bp神經(jīng)網(wǎng)絡(luò)matlab實現(xiàn)\Tree.m

????..A.SH.???????162??2016-10-19?12:58??bp神經(jīng)網(wǎng)絡(luò)matlab實現(xiàn)\~$識別第二次作業(yè)-打印.doc

?????文件??????39936??2016-09-21?09:30??bp神經(jīng)網(wǎng)絡(luò)matlab實現(xiàn)\樣本數(shù)據(jù).xls

?????目錄??????????0??2016-10-20?09:44??bp神經(jīng)網(wǎng)絡(luò)matlab實現(xiàn)

-----------?---------??----------?-----??----

????????????????50827????????????????????6