%-----------------------------?RBFNN程序?----------------------------------
clc
clear
load（‘shuju.mat‘）;??????%導入數據
%---------------------------?學習RBFNN中心部分??開始?-----------------------
t=[P（:122）P（:130）P（:135）P（:2）P（:31）P（:52）P（:77）P（:97）P（:106）P（:114）P（:116）P（:119）...
???P（:121）P（:127）P（:134）P（:137）P（:18）P（:42）P（:66）P（:90）P（:102）P（:110）P（:117）P（:118）];??????%設置RBFNN初始中心
center_study_step=0.1;?????%設置學習步長
t_next=zeros（324）;?????%初始化每次迭代后心的中心
t_n=1;????????%迭代次數初始化
while?max（max（abs（t_next-t）））>=0.0001????????%若兩次迭代間中心的偏差大于限差，則繼續迭代，否則認為中心達到穩定狀態
????sum=zeros（324）;????????%sum作為計算Xk-ti的和，以后取平均值計算RBFNN中心調整量
????k_num=zeros（124）;????????%存儲屬于各個中心的訓練樣本數量
????if?t_n>1?
????????t=t_next;???????%非第一次迭代時，把上一次迭代后得到的新的中心賦給本次迭代的初始中心
????end
????for?k=1:137
????????for?i=1:24
????????????dis（i）=sqrt（（P（1k）-t（1i））^2+（P（2k）-t（2i））^2+（P（3k）-t（3i））^2）;??????%計算各訓練樣本到中心的距離
????????end
????????[valindx]=min（dis）;????????%獲取訓練樣本到中心距離的最小值
????????sum（:indx）=sum（:indx）+P（:k）-t（:indx）;???????%對有相同中心的訓練樣本到相應中心的偏差求和，方便下面計算平均值并為計算中心調整量服務
????????k_num（indx）=k_num（indx）+1;??????%計算屬于各個中心的訓練樣本數量
????end?
????for?i=1:24
????????sum（:i）=sum（:i）/k_num（i）;??????%計算Xk-ti的平均值
????????t_next（:i）=t（:i）+center_study_step*sum（:i）;??????%計算調整后的中心
????end
????t_n=t_n+1;??????%中心迭代次數累加
end
t=t_next;
%---------------------------?學習RBFNN中心部分??結束?-----------------------
%---------------------------?確定RBFNN方差部分??開始?-----------------------
for?i=1:24
????for?j=i:24
????????dist（ij）=sqrt（（t（1i）-t（1j））^2+（P（2i）-t（2j））^2+（P（3i）-t（3j））^2）