MATLAB的bp神经网络识别函数

对于模式识别，一般情况下可以采用已有的训练函数或工具来进行训练，这样可以只编写识别函数就可以，MATLAB的bp工具箱就是一种典型的应用，我们可以只是用其工具箱做训练，训练好后得到参数，再编写一个简单的识别函数就可以了，但是需要特别特别注意的是MATLAB的训练是自带归一化的，所以在编写识别函数的时候一定要进行反归一化，否则会发现自己写的识别函数和MATLAB自带的识别函数的结果不一样，本人已经两次犯了这样的错误，查了好久才发现的，还有在训练之前也记得要归一化一下，归一化与反归一化的原理也很简单，就是简单的类似图像拉伸的一个y=k*x+b的过程，反归一化就是通过y获得x的了，一般其默认的是归一化到[-1 1]代码如下：

an是MATLAB自带的识别函数的识别结果，DB4是自己根据训练的网络系数算的，本人已经验证过，结果完全一致，所以实际使用中只需要编写最后几行的识别函数就可以了

input_all=[BDHuiDuAll’ BUHuiDuAll’ FDHuiDuAll’ FUHuiDuAll’];
output_all=[BDout BUout FDout FUout];
%% bp神经网络构建
%0识别，1训练
% train_have=input(‘训练(1)或识别(0)：’);
train_have=1;
[input_all,inputps]=mapminmax(input_all);
[output_all,outputps]=mapminmax(output_all);
if train_have
net=newff(input_all,output_all,5,{‘logsig’,’purelin’});