工具/原料电脑MATLAB 软件方法/步骤蠓虫分类问题：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？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)］;将数据绘制成散点图figure（1);plot(p1(：，1)，p1（：,2),'h’,p2（：，1）,p2(:，2),’o’)；hold onx=［1。24 1。80;1。28 1。84;1.40 2。04];plot(x(:,1）,x（：,2）,’rs'）；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；训练网络:net=train(net，p，goal);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）；将仿真结果绘制在图形中figure（2);plot（1：length（p）,goal（1，：),’*b’）;hold onplot(1：length(ptest)，ptest(1，:),’or'）；title('o 表示预测值 ＊表示实际值’);grid on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'）;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。注意事项创建神经网络时，注意传递函数的设置,不同的传递函数得到的结果可能会差别很大。多运行几次,得到的结果会精确一些。
