如何用BP神经网络，求解蠓虫分类问题？

1、蠓虫分类问题：对两种蠓虫（A 与B）进行鉴别，依据的资料是触角和翅膀的长度，已知了9 支Af 和6 支Apf 的数据如下：A: (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).B: (1.14,1.82)，(1.18,1.96)，(1.20,1.86)，(1.26,2.00)，(1.28,2.00)，(1.30,1.96).

根据如上资料，如何制定一种方法，正确地区分两类蠓虫?

2、设定1代表A类，0代表B类。输入数据，并设置目标值。

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=[1.14,1.82;1.18,1.96;1.20,1.86;1.26,2.00;

1.28,2.00;1.30,1.96];

p=[p1;p2]';

goal=[ones(1,9),zeros(1,6);zeros(1,9),ones(1,6)];

3、将数据绘制成散点图

figure(1);plot(p1(:,1),p1(:,2),'h',p2(:,1),p2(:,2),'o');hold on

x=[1.24 1.80;1.28 1.84;1.40 2.04];

plot(x(:,1),x(:,2),'rs');

4、创建 一个bp 神经网络，并设置网络参数：

pr=minmax(p);%求解p矩阵中每个行向量中的最小值和最大值

net=newff(pr,[3 2],{'logsig','logsig'},'trainrp');

net.trainParam.show=50;

net.trainParam.lr=0.01;

net.trainParam.epochs=50000;

5、训练网络：

net=train(net,p,goal);

6、对网络进行仿真，并输出仿真结果，结果如图所示：

xtest=sim(net,x')

pt=[p x'];

ptest=sim(net,pt);

7、将仿真结果绘制在图形中

figure(2);

plot(1:length(p),goal(1,:),'*b');hold on

plot(1:length(ptest),ptest(1,:),'or');title('o表示预测值  *表示实际值');grid on

8、以原数据进行仿真，比较目标数据与仿真数据，绘制误差变化图。

pt=sim(net,p);

figure(3);

error=pt(1,:)-goal(1,:);

plot(1:length(error),error);title('误差变化图');

9、运用BP神经网络求解分类问题，其实并不复杂，而且整个程序也不长。由上述结果可知，所建立的BP神经网络求能很好的结果该分类问题。且程序运行速度也很快，不超过2秒。