使用说明.txt

4输入层

1.关于程序的功能
      通过RBF神经网络完成数据的分类，训练样本，测试样本来自“/Data/2_5-1train.txt”和“Data/2_5-1test.txt”
2.关于数据样本
      训练样本（2_5-1train.txt），前四个数据是输入数据，后两位为分类编码（分三类 00，01，10），供120组；即通过程序完成对120组三类数据的学习，最终完成对测试数据的分类测试。
      测试样本（2_5-1test.txt），前四个数据是输入数据，后两位为理想分类编码（分三类 00，01，10），共30组；
      最终分类结果（final_RBF.txt），此文件由程序产生，为对最终测试的结果的输出，前四个数据为测试样本的输入数据，然后两位，为测试样本的理想输出，最后两位为程序计算的分类结果，即实际输出（大于0.5的算为1，小于0.5的算为0）。
      权值输出（weighefile_RBF.txt），记录学习好后的隐含层各结点样本中心值，方差（所有隐含层结点共用），隐含层到输出层的权值。
3.关于网络结构
      此网络为四输入，隐含层三结点（可以根据样本的不同自己定，自己定的是三个），输出层两个输出节点
4.关于算法
      此程序分  初始化（1），学习 （1）（2），测试  三部分
      初始化时，选取了训练样本中的一组数据作为隐含层中心值的初始数据，选的这三组数在每类中是最靠近中心值的。
      学习（1）完成隐含层中心值的设定--我用的是K-均值聚类法，学习（2）对隐含层到输出层的权值用有监督的学习算法进行修改。
      测试就没的说了。

5.数据结构及数据说明
      double Train[TrainSize][InputLayerSize+OutputLayerSize];//每组训练输入值为4个输入+2个理想输出
      double Text[TextSize][InputLayerSize+OutputLayerSize];//每组测试输入值为4个输入+2个理想输出
      用这两个二维数组存放从文件读取的训练数据和测试数据

别的在程序里说明的应该很清楚了！

6.程序的执行
      编译，链接，运行  

        RBF rbf_nn;

     	rbf_nn.InputFileData(trainfile,Train); //(1.1)从文件中读取训练数据
    	rbf_nn.InputFileData(textfile,Text);   //(1.1)从文件中读取测试数据
    	rbf_nn.Init();                         //(1.2)数据初始化，初始化中心值，计算方差值，层间赋权值、各输出结点赋阈值
        rbf_nn.Study();                        //(2)网络学习
        rbf_nn.DataText();                     //(3)网路测试