gusucode.com > 《MATLAB神经网络超级学习手册》随书光盘源码程序 > code/16/N16_7/chapter19.m
%% 案例19: 概率神经网络的分类预测--基于PNN的变压器故障诊断
%
%
% <html>
% <table border="0" width="600px" id="table1"> <tr> <td><b><font size="2">该案例作者申明：</font></b></td> </tr> <tr> <td><span class="comment"><font size="2">1：本人长期驻扎在此<a target="_blank" href="http://www.ilovematlab.cn/forum-158-1.html"><font color="#0000FF">板块</font></a>里，对<a target="_blank" href="http://www.ilovematlab.cn/thread-48362-1-1.html"><font color="#0000FF">该案例</font></a>提问，做到有问必答。</font></span></td></tr><tr> <td><span class="comment"><font size="2">2：此案例有配套的教学视频，配套的完整可运行Matlab程序。</font></span></td> </tr> <tr> <td><span class="comment"><font size="2"> 3：以下内容为该案例的部分内容（约占该案例完整内容的1/10）。</font></span></td> </tr> <tr> <td><span class="comment"><font size="2"> 4：此案例为原创案例，转载请注明出处（<a target="_blank" href="http://www.ilovematlab.cn/">Matlab中文论坛</a>，<a target="_blank" href="http://www.ilovematlab.cn/forum-158-1.html">《Matlab神经网络30个案例分析》</a>）。</font></span></td> </tr> <tr> <td><span class="comment"><font size="2"> 5：若此案例碰巧与您的研究有关联，我们欢迎您提意见，要求等，我们考虑后可以加在案例里。</font></span></td> </tr> <tr> <td><span class="comment"><font size="2"> 6：您看到的以下内容为初稿，书籍的实际内容可能有少许出入，以书籍实际发行内容为准。</font></span></td> </tr><tr> <td><span class="comment"><font size="2"> 7：此书其他常见问题、预定方式等，<a target="_blank" href="http://www.ilovematlab.cn/thread-47939-1-1.html">请点击这里</a>。</font></span></td> </tr></table>
% </html>
%
%% 清空环境变量
clc;
clear all
close all
nntwarn off;
warning off;
%% 数据载入
load data
%% 选取训练数据和测试数据
Train=data(1:23,:);
Test=data(24:end,:);
p_train=Train(:,1:3)';
t_train=Train(:,4)';
p_test=Test(:,1:3)';
t_test=Test(:,4)';
% %% 将期望类别转换为向量
% t_train=ind2vec(t_train);
% t_train_temp=Train(:,4)';
% %% 使用newpnn函数建立PNN SPREAD选取为1.5
% Spread=1.5;
% net=newpnn(p_train,t_train,Spread)
%
% %% 训练数据回代 查看网络的分类效果
%
% % Sim函数进行网络预测
% Y=sim(net,p_train);
% % 将网络输出向量转换为指针
% Yc=vec2ind(Y);
%
% %% 通过作图 观察网络对训练数据分类效果
% figure(1)
% subplot(1,2,1)
% stem(1:length(Yc),Yc,'bo')
% hold on
% stem(1:length(Yc),t_train_temp,'r*')
% title('PNN 网络训练后的效果')
% xlabel('样本编号')
% ylabel('分类结果')
% set(gca,'Ytick',[1:5])
% subplot(1,2,2)
% H=Yc-t_train_temp;
% stem(H)
% title('PNN 网络训练后的误差图')
% xlabel('样本编号')
%
%
% %% 网络预测未知数据效果
% Y2=sim(net,p_test);
% Y2c=vec2ind(Y2)
% figure(2)
% stem(1:length(Y2c),Y2c,'b^')
% hold on
% stem(1:length(Y2c),t_test,'r*')
% title('PNN 网络的预测效果')
% xlabel('预测样本编号')
% ylabel('分类结果')
% set(gca,'Ytick',[1:5])
% % web browser http://www.ilovematlab.cn/viewthread.php?tid=63455
% %%
% %
% % <html>
% % <table align="center" > <tr> <td align="center"><font size="2">版权所有：</font><a
% % href="http://www.ilovematlab.cn/">Matlab中文论坛</a> <script
% % src="http://s3.cnzz.com/stat.php?id=971931&web_id=971931&show=pic" language="JavaScript" ></script> </td> </tr></table>
% % </html>
% %