%?導入樣本數(shù)據(jù)
A?=?dir（fullfile（‘C:\Users\19053\Desktop\shuju\*.txt‘））;

%定義即將使用的變量
target_sample=[];
input_sample=[];
m=1;

%構(gòu)造輸出矩陣。將x1、x2與y進行行向量組合。input_sample=[x1;x2];?target_sample=y。y是行向量。
for?i?=?1:length（A）
????s=load（A（i）.name）;
????n=length（s）;
????input_sample=[input_sample;s];
????target_sample（m:length（input_sample）i）?=?1;
????m=m+n;
end
%設置參數(shù)。下面的兩個參數(shù)必須是x1、x2與y的行向量組合。
input_sample=input_sample‘;?
target_sample=target_sample‘;

%讀入影像。將影像變?yōu)?份，一份用于訓練，一份用于測試。
OI?=?double（imread（‘caijian.tif‘））;
[xyz]?=?size（OI）;
OI?=?reshape（OIx*yz）;
OI=OI‘;

%打開神經(jīng)網(wǎng)絡工具
nprtool

%創(chuàng)建網(wǎng)絡（選擇運算法則Algorithms+設置訓練參數(shù)）
trainFcn?=?‘trainscg‘;%設置訓練函數(shù)。ScaledConjugate?Gradient算法內(nèi)存需求較小，計算速度快。
hiddenlayerSize?=?10;%設置掩層數(shù)量
net?=?patternnet（hiddenlayerSize?trainFcn）;%建立網(wǎng)絡
net.input.processFcns?=?{‘removeconstantrows‘‘mapminmax‘};%數(shù)據(jù)歸一化處理
net.divideFcn?=?‘dividerand‘;??%隨機劃分數(shù)據(jù)
net.divideMode?=?‘sample‘;??%劃分每個樣本
net.divi