RBF神经网络对iris鸢尾花数据集进行分类识别
RBF神经网络对iris鸢尾花数据集进行分类
http://blog.csdn.net/fubin0000
设计要求：
iris以鸢尾花的特征作为数据来源，数据集包含150个数据集，分为3类（setosa,versicolor, virginica），每类50个数据，每个数据包含4个属性。每一个数据包含4个独立的属性，这些属性变量测量植物的花朵（比如萼片和花瓣的长度等）信息。要求以iris数据为对象，来进行不可测信息（样本类别）的估计。以每一类前30个数据作为学习样本，以后20个样本作为测试样本，对样本进行估计，并和实际结果作比较，使用了RBF神经网络。
一、 RBF神经网络
Radialbasis function（径向基函数），径向基函数是一个取值仅仅依赖于离原点距离的实值函数，也就是Φ（x）=Φ(‖x‖),或者还可以是到任意一点c的距离，c点成为中心点，也就是Φ（x，c）=Φ(‖x-c‖)。任意一个满足Φ（x）=Φ(‖x‖)特性的函数Φ都叫做径向量函数，标准的一般使用欧氏距离，尽管其他距离函数也是可以的。RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。
RBF(Radial Basis Function)可以看作是一个高维空间中的曲面拟合(逼近)问题，学习是为了在多维空间中寻找一个能够最佳匹配训练数据的曲面，然后来一批新的数据，用刚才训练的那个曲面来处理(比如分类、回归)。RBF的本质思想是反向传播学习算法应用递归技术，这种技术在统计学中被称为随机逼近。RBF里的basis function(径向基函数里的基函数)就是在神经网络的隐单元里提供了提供了一个函数集，该函数集在输入模式（向量）扩展至隐空间时，为其构建了一个任意的“基”。这个函数集中的函数就被称为径向基函数。 很明显，RBF属于神经网络领域的东西，所以像很多神经网络一样，其结构由：输入层、隐层、输出层 三层组成。
二、 编程步骤、思路
（1）读取训练数据将需要训练的数据（每一类前30个样本）矩阵存入变量property1、property2、property3、property4中，代码如下：
%读取数据
[property_1, property_2,property_3, property_4, class] = textread('E:iris_all.txt','%f %f %f %f %s');
%测试样本数据
property1 =[property_1(1:30,:);property_1(51:80,:);property_1(101:130,:)];
property2 =[property_2(1:30,:);property_2(51:80,:);property_2(101:130,:)];
property3 =[property_3(1:30,:);property_3(51:80,:);property_3(101:130,:)];
property4 =[property_4(1:30,:);property_4(51:80,:);property_4(101:130,:)];</
相关知识
神经网络鸢尾花
基于神经网络——鸢尾花识别（Iris）
【机器学习】SVM对Iris鸢尾花数据集实现多分类
BP神经网络鸢尾花红酒数据分类分析与源码实现
使用鸢尾花数据集构建神经网络模型
鸢尾花数据集分类（决策树，朴素贝叶斯，人工神经网络）
人工智能入门系列之一： 鸢尾花（Iris）多分类的神经网络详解及代码实现
神经网络分类鸢尾花数据与可视化展示
【机器学习】利用KNN对Iris鸢尾花数据集进行分类
Dataset之IRIS：鸢尾花(Iris)数据集的简介、下载、使用方法之详细攻略
网址: RBF神经网络对iris鸢尾花数据集进行分类识别 https://m.huajiangbk.com/newsview1842683.html
| 上一篇: Tensorflow与Keras |
下一篇: 机器学习鸢尾花(Iris)分类系 |
