%%?I.?清空環境變量
clear?all
clc

%%?II.?訓練集/測試集產生
%%
%?1.?導入數據
load?water_data.mat

%%
%?2.?數據歸一化
attributes?=?mapminmax（attributes）;

%%
%?3.?訓練集和測試集劃分

%?訓練集——35個樣本
P_train?=?attributes（:1:35）;
T_train?=?classes（:1:35）;
%?測試集——4個樣本
P_test?=?attributes（:36:end）;
T_test?=?classes（:36:end）;

%%?III.?競爭神經網絡創建、訓練及仿真測試
%%
%?1.?創建網絡
net?=?newc（minmax（P_train）40.010.01）;??%因為結果分成四類，所以這里隱含神經元設置為4，0.01分別是是權值和閾值的學習率
%單獨執行一下minmax（P_train）發現最大值是1，最小值是-1，與P_train最大值最小值符合。
%?輸入??????w=net.iw{11};??????看一下???連接權值??????平均值為0???四個神經元六個特征???4*6矩陣元素全部為0
%輸入??????b=net.b{1}????看一下??連接閾值??????edit??initcon??????rows=4
%134行看一下??x的值是不是我們算的值

%%
%?2.?設置訓練參數
net.trainParam.epochs?=?500;?????%訓練步數

%%
%?3.?訓練網絡
net?=?train（netP_train）;?????

%%
%?4.?仿真測試

%?訓練集
t_sim_compet_1?=?sim（netP_train）;
T_sim_compet_1?=?vec2ind（t_sim_compet_1）;
%?測試集
t_sim_compet_2?=?sim（netP_test）;
T_sim_compet_2?=?vec2ind（t_sim_compet_2）;?????%?vec2ind函數將稀疏矩陣轉換成行向量或者列向量，T-train和classes沒有用到，體現了無導師學習的過程
%運行一下??77?78?行看一下結果??????哪幾個神經元決定了每一個類
%%?IV.?SOFM神經網絡創建、訓練及仿真測試
%%
%?1.?創建網絡
net?=?newsom（P_train[4?4]）;

%%
%?2.?設置訓練參數
net.trainParam.epochs?=?200;

%%
%?3.?訓練網絡
net?=?train（netP_train）;

%%
%?4.?仿真測試

%?訓練集
t_sim_sofm_1?=?sim（netP_train）;
T_sim_sofm_1?=?vec2ind（t_sim_sofm_1）;
%?測試集
t_sim_sofm_2?=?sim（netP_test）;
T_sim_sofm_2?=?vec2ind（t_sim_sofm_2）;

%%?V.?結果對比
%%
%?1.?競爭神經網絡
result_compet_1?=?[T_train‘?T_sim_compet_1‘]
result_compet_2?=?[T_test‘?T_sim_compet_2‘]

%%????1960009019????l13299109228
%?2.?SOFM神經網絡
result_sofm_1?=?[T_train‘?T_sim_sofm_1‘]
result_sofm_2?=?[T_test‘?T_sim_sofm_2‘]
%%???QQ：1960009019
%%???微信：13299109228
%%??微信公眾號：大仙一品堂

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件????????2053??2019-10-13?15:39??10??競爭神經網絡與SOM神經網絡參考程序\main.m
?????文件????????1123??2010-10-24?15:59??10??競爭神經網絡與SOM神經網絡參考程序\water_data.mat
?????目錄???????????0??2018-03-21?12:04??10??競爭神經網絡與SOM神經網絡參考程序\