单神经元结构感知机对两类标本的分类

 

 

 1 %感知器分类问题。X为输入样本，T为目标向量
 2 clear
 3 % X=[-0.5,-0.5,0.3,0.1,-0.1,0.8,0.2,0.3;
 4 %     0.3,-0.2,-0.6,0.1,-0.5,1.0,0.3,0.9];
 5 % T=[0,0,0,1,0,1,1,1];  M=100;
 6 % E=[0.01;0.01;0.0;0.0;0.01;0.01;0.01;0.01];
 7 
 8 
 9 % 逻辑或分类实例
 X=[ 0, 0, 1, 1;
     0, 1, 0, 1];
 T=[0, 1, 1, 1];
 M=100;
 E=[0.1 0.1 0.1 0.1]';
 
 %单神经元结构感知机对两类标本的分类
 [R,Q]=size(X);   %R=2;Q=8为X阵的维数；
 [S,Q]=size(T);  %S=1;Q=8为T阵的维数；
 W=rands(S,R);  % 根据输入样本X和目标向量T的维数产生随机权值阵W的初值；
 %W=[-0.1 0.2];
 C=rands(S,1);%产生随机阈值初值；
 Y=W*X+C;  %计算感知器输出；
 F=zeros([S Q]); %初始化与分配内存
 for j=1:M  %循环开始
     for i=1:Q   %  对感知器输出分类；
         if  Y(1,i)>0;  %求感知器阈值激发后的输出；
             F(1,i)=1;
         else
             F(1,i)=0;
         end
     end
     if all(F==T)  %感知器的输出F和目标T不等时修正权值阵和阈值；
         break
     end
     dC=0.1*(T-F)*E;%阈值修正;
     C=C+dC;  %阈值修正;
     dW=(T-F)*X'; %权值增量
     W=W+dW;  %动态权值
     Y=W*X+C;
 end   %循环结束
 Plotpv(X,T); %绘点，绘制分类模式
 plotpc(W,C);  %绘分割线；绘制决策面
 grid on
 xlabel('x1'), ylabel('x2');
 title(sprintf('(%f)X1+(%f)X2+(%f)',W(1),W(2),C));