clc;
%?data?=?load（‘P.mat‘）;
data?=?importdata（‘Page.mat‘）;

%輸入輸出數據
input=data（:1:10）;
output1?=data（:11）;

%排序
k=rand（15473）;
[mn]=sort（k）;

%把輸出從1維變成5維
for?i=1:5473
????switch?output1（i）
????????case?1
????????????output（i:）=[1?0?0?0?0];
????????case?2
????????????output（i:）=[0?1?0?0?0];
????????case?3
????????????output（i:）=[0?0?1?0?0];
????????case?4
????????????output（i:）=[0?0?0?1?0];
????????case?5
????????????output（i:）=[0?0?0?0?1]
????end
end

%隨機提取4000個樣本為訓練樣本，1473個樣本為預測樣本
input_train=input（n（1:4000）:）‘;
output_train=output（n（1:4000）:）‘;

input_test=input（n（4001:5473）:）‘;
output_test=output（n（4001:5473）:）‘;

%輸入數據歸一化
[inputninputps]=mapminmax（input_train）;

%%?網絡結構初始化
innum=10;
midnum=25;
outnum=5;
?

%權值初始化
w1=rands（midnuminnum）;
b1=rands（midnum1）;
w2=rands（midnumoutnum）;
b2=rands（outnum1）;

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;

%學習率
xite=0.1
alfa=0.01;

%%?網絡訓練
for?ii=1:10
????E（ii）=0;
????for?i=1:1:4000
???????%%?網絡預測輸出?
????????x=inputn（:i）;
????????%?隱含層輸出
????????for?j=1:1:midnum
????????????I（j）=inputn（:i）‘*w1（j:）‘+b1（j）;
????????????Iout（j）=1/（1+exp（-I（j）））;
????????end
????????%?輸出層輸出
????????yn=w2‘*Iout‘+b2;
????????
???????%%?權值閥值修正
????????%計算誤差
????????e=output_train（:i）-yn;?????
????????E（ii）=E（ii）+sum（abs（e））;
????????
????????%計算權值變化率
????????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（kj）=FI（j）*x（k）*（e（1）*w2（j1）+e（2）*w2（j2）+e（3）*w2（j3）+e（4）*w2（j4））;
????????????????db1（j）=FI（j）*（e（1）*w2（j1）+e（2）*w2（j2）+e（3）*w2（j3）+e（4）*w2（j4））;
????????????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
inputn_test=mapminmax（‘apply‘input_testinputps）;

for?ii=1:1
????for?i=1:1473?%4000
????????%隱含層輸出
????????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
?%根據網絡輸出找出數據屬于哪類
for?i=1:1473
????output_fore（i）=find（fore（:i）==max（fore（:i）））;
end

%BP網絡預測誤差
error=output_fore-output1（n（4001:5473））‘;



%畫出預測Page種類和實際Page種類的分類圖
figure（1）
plot（output_fore‘r‘）
hold?on
plot（output1（n（4001:5473））‘‘b‘）
legend（‘預測Page類別‘‘實際Page類別‘）

%畫出誤差圖
figure（2）
plot（error）
title（‘BP網絡分類誤差‘‘fontsize‘12）
xlabel（‘Page類型‘‘fontsize‘12）
ylabel（‘分類誤差‘‘fontsize‘12）

%print?-dtiff?-r600?1-5

k=zeros（15）;??
%找出判斷錯誤的分類屬于哪一類
for?i=1:1473
????if?error（i）~=0
????????[bc]=max（output_test（:i））;
????????switch?c
????????????case?1?
????????????????k（

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

?????文件?????153899??2017-12-05?22:17??20175428002-胡超\Letter.mat

?????文件??????48400??2017-12-14?01:04??20175428002-胡超\Letter錯誤率.jpg

?????文件???????3785??2017-12-16?20:19??20175428002-胡超\MyNN.m

?????文件???????5826??2017-12-08?18:18??20175428002-胡超\MyNN1Page.m

?????文件???????5307??2017-12-14?01:00??20175428002-胡超\MyNN2Letter.m

?????文件???????2719??2017-12-16?11:56??20175428002-胡超\MyNN3Spam.m

?????文件?????119771??2017-12-05?22:18??20175428002-胡超\Page.mat

?????文件??????66114??2017-12-08?18:20??20175428002-胡超\Page訓練前.jpg

?????文件??????65895??2017-12-08?18:20??20175428002-胡超\Page訓練后.jpg

?????文件??????42258??2017-12-08?18:21??20175428002-胡超\Page錯誤率.jpg

?????文件?????218942??2017-12-05?22:19??20175428002-胡超\Spam.mat

?????文件??????46822??2017-12-16?23:12??20175428002-胡超\Spam錯誤率.jpg

?????目錄??????????0??2017-12-17?00:09??20175428002-胡超

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

???????????????779738????????????????????13