model_selection.m

RBF神经网络 RBF神经网络

function Model_Selection(train_p,train_t,test_p,test_t,M)


   
      numperclu=[];
%       [cents,clu,numperclu]=Kmeans_batch_Clusting(train_p,M); % 用=Kmeans_batch_Clusting算法聚类,cents表示选取类的中心,
% %                                                                ...clu表示样例所属的类序号,numperclu每类包含训练点个数；
      [clu,cents]=kmeans(train_p,M,'replicates',100,'maxiter',10000,'EmptyAction','singleton'); 
      Centers_num=size(cents,1); % 聚类后所得类的个数；
      for i=1:Centers_num
          numperclu(i)=size(clu(clu==i),1);
      end
      [R,width]=My_Width(train_p,cents,clu,numperclu,Centers_num);% 求每个中心的宽度，返回宽度矩阵R.(d×d×K),with为宽度向量
      H=My_Guass(train_p,cents,Centers_num,R);% 构造Guass函数矩阵H
      H1=pinv(H); % 求高斯矩阵H的伪逆H1；
      W=H1*(train_t) % 解权重矩阵W；
      [TrainErrorMSE,TrainErrorRate]=Train_Error(train_p,train_t,H,W);   % 求训练MSE和训练分类错误率
      [TestErrorMSE,TestErrorRate]=Test_Error(test_p,test_t,cents,W,R);  % 求测试MSE及测试分类错误率


% 显示部分
TrainCorrectRate=1-TrainErrorRate
TestCorrectRate=1-TestErrorRate