lvq_kdd_3.m

lvq神经网络 的编程 希望大家能用的上

144   1   1.00   1.00   0.00   0.00   0.01   0.06   0.00
104   11   1.00   1.00   0.00   0.00   0.11   0.06   0.00
 113   20   1.00   1.00   0.00   0.00   0.18   0.05   0.00
 122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
 131   18   1.00   1.00   0.00   0.00   0.14   0.05   0.00
  122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
135   2   1.00   1.00   0.00   0.00   0.01   0.06   0.00
122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
 136   15   1.00   1.00   0.00   0.00   0.11   0.06   0.00
 122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
115   10   1.00   1.00   0.00   0.00   0.09   0.07   0.00
122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
141   14   1.00   1.00   0.00   0.00   0.10   0.06   0.00
 122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
 117   10   1.00   1.00   0.00   0.00   0.09   0.06   0.00
 122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
 149   20   1.00   1.00   0.00   0.00   0.13   0.05   0.00
122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
 139   16   1.00   1.00   0.00   0.00   0.12   0.06   0.00
122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
 122   19   1.00   1.00   0.00   0.00   0.16   0.06   0.00
122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
104   1   1.00   1.00   0.00   0.00   0.01   0.07   0.00
22   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
125   5   1.00   1.00   0.00   0.00   0.04   0.06   0.00
122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
 135   20   0.99   1.00   0.00   0.00   0.15   0.06   0.00
122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
 102   17   0.99   1.00   0.00   0.00   0.17   0.07   0.00
 122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
  122   17   0.99   1.00   0.00   0.00   0.14   0.07   0.00
122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
140   15   0.99   1.00   0.00   0.00   0.11   0.06   0.00
 122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
119   9   0.99   1.00   0.00   0.00   0.08   0.08   0.00
 122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
136   16   1.00   1.00   0.00   0.00   0.12   0.05   0.00
 122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
 130   13   0.99   1.00   0.00   0.00   0.10   0.07   0.00];

for i=1:100;
    out(i)=1;
end
for i=101:200;
    out(i)=2;
end



test_in=[  1   2   0.00   0.00   0.00   0.00   1.00   0.00   1.00
 1   1   0.00   0.00   0.00   0.00   1.00   0.00   0.00
  1   1   0.00   0.00   0.00   0.00   1.00   0.00   0.00
 1   1   0.00   0.00   0.00   0.00   1.00   0.00   0.00
 1   1   0.00   0.00   0.00   0.00   1.00   0.00   0.00
  1   1   0.00   0.00   0.00   0.00   1.00   0.00   0.00
  1   1   0.00   0.00   0.00   0.00   1.00   0.00   0.00
  1   1   0.00   0.00   0.00   0.00   1.00   0.00   0.00
1   50   0.00   0.00   0.00   0.00   1.00   0.00   1.00
1   48   0.00   0.00   0.00   0.00   1.00   0.00   1.00
  1   1   0.00   0.00   0.00   0.00   1.00   0.00   0.00
 1   1   0.00   0.00   0.00   0.00   1.00   0.00   0.00
  10   10   0.00   0.00   0.00   0.00   1.00   0.00   0.00
 1   8   0.00   0.00   0.00   0.00   1.00   0.00   1.00
 1   1   0.00   0.00   0.00   0.00   1.00   0.00   0.00
 1   1   0.00   0.00   0.00   0.00   1.00   0.00   0.00
  1   1   0.00   0.00   0.00   0.00   1.00   0.00   0.00
  1   1   0.00   0.00   0.00   0.00   1.00   0.00   0.00
  1   2   0.00   0.00   0.00   0.00   1.00   0.00   1.00
 1   1   0.00   0.00   0.00   0.00   1.00   0.00   0.00
511   511   0.00   0.00   0.00   0.00   1.00   0.00   0.00;
 511   511   0.00   0.00   0.00   0.00   1.00   0.00   0.00;
511   511   0.00   0.00   0.00   0.00   1.00   0.00   0.00;
511   511   0.00   0.00   0.00   0.00   1.00   0.00   0.00;
 511   511   0.00   0.00   0.00   0.00   1.00   0.00   0.00;
 511   511   0.00   0.00   0.00   0.00   1.00   0.00   0.00;
 511   511   0.00   0.00   0.00   0.00   1.00   0.00   0.00;
 511   511   0.00   0.00   0.00   0.00   1.00   0.00   0.00;
511   511   0.00   0.00   0.00   0.00   1.00   0.00   0.00;
511   511   0.00   0.00   0.00   0.00   1.00   0.00   0.00;
511   511   0.00   0.00   0.00   0.00   1.00   0.00   0.00;
511   511   0.00   0.00   0.00   0.00   1.00   0.00   0.00;
 511   511   0.00   0.00   0.00   0.00   1.00   0.00   0.00;
 511   511   0.00   0.00   0.00   0.00   1.00   0.00   0.00;
 511   511   0.00   0.00   0.00   0.00   1.00   0.00   0.00;
 511   511   0.00   0.00   0.00   0.00   1.00   0.00   0.00;
1   24   0.00   0.00   0.00   0.00   1.00   0.00   1.00
 511   511   0.00   0.00   0.00   0.00   1.00   0.00   0.00;
  511   511   0.00   0.00   0.00   0.00   1.00   0.00   0.00;
  511   511   0.00   0.00   0.00   0.00   1.00   0.00   0.00;
 127   16   0.99   1.00   0.00   0.00   0.13   0.07   0.00
 122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
 147   16   0.99   1.00   0.00   0.00   0.11   0.07   0.00
  122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
1   32   0.00   0.00   0.00   0.00   1.00   0.00   1.00
 1   36   0.00   0.00   0.00   0.00   1.00   0.00   1.00
 140   5   1.00   1.00   0.00   0.00   0.04   0.06   0.00
 1   32  0.00   0.00   0.00   0.00   1.00   0.00   1.00
 91   11   1.00   1.00   0.00   0.00   0.12   0.05   0.00
 122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
1   4   0.00   0.00   0.00   0.00   1.00   0.00   1.00
1   30   0.00   0.00   0.00   0.00   1.00   0.00   1.00
 152   4   0.98   1.00   0.00   0.00   0.03   0.07   0.00
 122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
 111   3   0.97   1.00   0.00   0.00   0.03   0.07   0.00
 122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
  130   2   0.98   1.00   0.00   0.00   0.02   0.07   0.00
 122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
 128   5   0.94   1.00   0.00   0.00   0.04   0.06   0.00
 122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
1   11   0.00   0.00   0.00   0.00   1.00   0.00   1.00
 122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
1   14   0.00   0.00   0.00   0.00   1.00   0.00   1.00
 1   16   0.00   0.00   0.00   0.00   1.00   0.00   1.00
 132   5   1.00   1.00   0.00   0.00   0.04   0.06   0.00
 122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
 150   13   1.00   1.00   0.00   0.00   0.09   0.05   0.00
 122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
1   52   0.00   0.00   0.00   0.00   1.00   0.00   1.00
  122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
 138   1   1.00   1.00   0.00   0.00   0.01   0.06   0.00
 122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
141   15   1.00   1.00   0.00   0.00   0.11   0.06   0.00
122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
1   29   0.00   0.00   0.00   0.00   1.00   0.00   1.00
1   40   0.00   0.00   0.00   0.00   1.00   0.00   1.00
129   19   1.00   1.00   0.00   0.00   0.15   0.06   0.00
122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00
110   13   1.00   1.00   0.00   0.00   0.12   0.05   0.00
122   9   1.00   1.00   0.00   0.00   0.07   0.06   0.00];

for i=1:20;
    test_out(i)=1;
end
for i=21:80;
    test_out(i)=2;
end

P=in';C=out';
T=ind2vec(C);
net=newlvq(minmax(P),10,[1/2 1/2]);

net.trainParam.epochs=25;
net=train(net,P,T);
pause

w1=net.IW{1};
w1

y=sim(net,test_in');
yc=vec2ind(y);
t=test_out;

%picture

plot(yc,'b-.o');hold on
plot(t,'r:*');
xlabel('N')
ylabel('class number')
title('The classifying resulst of testing data')
legend('testing result','true class');
error=yc-t;