som3.m

本程序研究在单个脉冲发现概率一定的条件下

%SOM神经网络，20051210
%实验类内距离和类内离差阵的关系
%======每5类DOA相差9，检查对DOA的适应情况=DOA变化从3倍sita变化=== 识别率为   100 ========================
function [m0,m1,q]=som3(PP1,M_lei)
PP1=PP1
M_lei=M_lei;
m0=mean(PP1)
net=newsom(minmax(PP1'),[1 M_lei]);
			wl_init=net.IW{1,1};
			% plotsom(wl_init,net.layers{1}.distances);
			net.trainParam.epochs=40;
			net=train(net,PP1');
			%      net.iw{1,1}=P
			% y=sim(net,PP2')
			b2=net.iw{1,1};
			%计算各类距离中心之间的距离,当各类聚类中心之间的距离小于6（暂时），合并类别
			yy=dist(b2,b2');
			% for i=1:4
                SW0=[];%存储各类 类内离差阵
                SW_1=[];%存储各类 类内离差阵
                SW_2=[];%存储各类 类内离差阵
                nj2=[];
		                plotsom(b2,net.layers{1}.distances);
						[a2,X,Y]=sim(net,PP1');
						T_SOM=full(a2);
						%计算分类后的参数，各类中心，类内平均距离，和总体平均距离
						% mj_0b2 为聚类中心,mj为样本均值向量
						[r,c]=size(b2)
						mj_0=b2
						mj=b2;%各类的中心
						%计算各类中模式到类心的平均距离
						[r,c]=size(b2)
						[r0,c0]=size(PP1);
                        NN=r0;% 总的向量
						[r1,c1]=size(T_SOM)
						o4=[];          LL=[]
                        
						for i9=1:r    
                            PP1_T=[];PP1_T2=[];
                            PP1_T1=find(T_SOM(i9,:)==1);
                            PP1_T2=[PP1_T2 PP1_T1];
                            PP1_T=[PP1_T;PP1(PP1_T1,:)];%存储各类对应的数据
                            q{i9}=PP1_T
                        end       
                           m1=mj  
                           m0=mean(PP1)