《蠓虫分类.docx》由会员分享，可在线阅读，更多相关《蠓虫分类.docx（2页珍藏版）》请在三一办公上搜索。
1、蠓虫分类蠓虫分类问题可概括叙述如下：生物学家试图对两种蠓虫进行鉴别，依据的资料是触角和翅膀的长度，已经测得了9支Af和6支Apf的数据如下： Af: (1.24,1.27)，(1.36,1.74)，(1.38,1.64)，(1.38,1.82)，(1.38,1.90)，(1.40,1.70)，(1.48,1.82)，(1.54,1.82)，(1.56,2.08). Apf: (1.14,1.82)，(1.18,1.96)，(1.20,1.86)，(1.26,2.00)，(1.28,2.00)，(1.30,1.96). 现在的问题是： 根据如上资料，如何制定一种方法，正确地区分两类蠓虫。 对触角
2、和翼长分别为(1.24,1.80)，(1.28,1.84)与(1.40,2.04)的3个标本，用所得到的方法加以识别。 设Af是宝贵的传粉益虫，Apf是某疾病的载体，是否应该修改分类方法。 如上的问题是有代表性的，它的特点是要求依据已知资料制定一种分类方法，类别是已经给定的。今后，我们将9支Af及6支Apf的数据集合称之为学习样本。 为解决上述问题，考虑一个其结构如下图所示的人工神经网络。 p1=1.24,1.27;1.36,1.74;1.38,1.64;1.38,1.82;1.38,1.90;1.40,1.70;1.48, 1.82;1.54,1.82;1.56,2.08; p2=1.14,
3、1.82;1.18,1.96;1.20,1.86;1.26,2.00 ;1.28,2.00;1.30,1.96; p=p1;p2; pr=minmax(p) goal=ones(1,9),zeros(1,6);zeros(1,9),ones(1,6); subplot(1,2,1) plot(p1(:,1),p1(:,2),*,p2(:,1),p2(:,2),o) subplot(1,2,2) net=newff(pr,3,2,logsig,logsig); net.trainParam.show = 1; net.trainParam.lr = 0.05; net.trainParam.epochs = 3000; net.trainParam.goal = 1e-10; net.trainParam.epochs = 50000; net = train(net,p,goal); x=1.24 1.80;1.28 1.84;1.40 2.04; y=sim(net,x)
