m10_9.m

一维自组织特征映射网络对输入向量空间进行识别分类

                  close all 
                  clf reset 
                  figure (gcf); 
                  
                  clc 
                  % NEWSOM——创建自组织网络 
                  % TRAIN——对自组织网络进行训练 
                  % SIM——对自组织网络进行仿真 
                  
                  %  产生样本数据 P   
                  angles = 0: 0.5*pi/99: 0.5*pi; 
                  P = [ cos(angles); sin(angles) ]; 
                  
                  %  画第一幅图：样本数据分布图 
                  plot (P(1, :), P(2, :), '*'); 
                  title ('样本数据'); 
                  
                  %  建立自组织网络 
                  %  欲将样本数据分为  9  类，因此网络的竞争层由  9  个神经元构成 
                  net = newsom([0 1; 0 1],[9]); 
                  
                  %  对网络进行训练 
                  net.trainParam.epochs = 20; 
                  net = train (net, P); 
                    
                  %  画第二幅图：画出网络神经元权值，也就是每类样本数据的聚类中心 
                  figure; 
                  w = net.IW{1}; 
                  plotsom (net.IW{1,1},net.layers{1}.distances); 
                  title ('权值'); 
                  %  利用一组新的输入数据检验网络性能 
                  a = sim (net, [0.6; 0.8])