MATLAB实现——监督学习神经网络的分类

实验内容：

现采集到 150 组不同类型鸢尾花（Setosa、Versicolour 和 Virginica）的四种属性： 萼片长度、萼片宽度、花瓣长度和花瓣宽度，样本编号与四种属性的关系如图 9.1 所示（其 中，样本编号 1-50 为 Setosa，51-100 为 Versicolour，101-150 为 Virginica）。从图中 大致可以看出，花瓣长度、花瓣宽度与鸢尾花类型间有较好的线性关系，而萼片长度、萼 片 宽度与鸢尾花类型间呈现出非线性的关系。 现要求：

1. 利用 GRNN 和 PNN 分别建立鸢尾花种类识别模型，并对模型的性能进行评价。

2. 利用 GRNN 和 PNN 分别建立各个属性及属性组合与鸢尾花种类间的识别模型，并对 所建 模型的性能及运算时间进行对比分析，从而探求各个属性及属性组合与鸢尾花种类的相 关程度。

直接上实现代码：

% 导入数据
load iris_data.mat
% 随机产生训练集和测试集
P_train = [];
T_train = [];
P_test = [];
T_test = [];
for i = 1:3
temp_input = features((i-1)*50+1:i*50,:);