初识Matlab2012a的神经网络工具箱（2）

7 应用案例2：模式识别

除了函数拟合，神经网络还擅长解决模式识别问题。

例如，假设你想根据细胞大小、团块厚度、有丝分裂等的均匀性将肿瘤分为良性或恶性[MuAh94]。你有699个案例，你有9项数据和正确的良性或恶性分类。

与函数拟合一样，有两种方法来解决这个问题:

• 使用nprtool GUI，请参见使用神经网络模式识别工具。
• 使用命令行解决方案，请参见使用命令行函数。

通常最好从GUI开始，然后使用GUI自动生成命令行脚本。在使用任何一种方法之前，第一步是通过选择一个数据集来定义问题。下一节描述数据格式。

7.1 定义问题

要定义一个模式识别问题，将一组Q输入向量排列为矩阵中的列。然后排列另一组Q目标向量，以便它们指示分配给输入向量的类(关于静态和时间序列数据的数据格式化的详细描述，请参阅“数据结构”)。有两种方法来创建目标向量。

当只有两个类时，可以使用一种方法;将每个标量目标值设置为1或0，表示相应的输入属于哪个类。例如，你可以这样定义排异或分类问题:

inputs = [0 1 0 1; 0 0 1 1];
targets = [0 1 0 1];

或者，目标向量可以有N个元素，其中对于每个目标向量，一个元素是1，其他元素是0。这定义了一个问题，其中输入被分为N个不同的类。例如，下面几行显示了如何定义一个分类问题，该问题将一个5 × 5 × 5立方体的角分为三个类:

• 一个类中的原点(第一个输入向量)
• 在第二类中离原点(最后一个输入向量)最远的角
• 所有在第三类中的点

inputs = [0 0 0 0 5 5 5 5; 0 0 5 5 0 0 5 5; 0 5 0 5 0 5 0 5];
targets = [1 0 0 0 0 0 0 0; 0 1 1 1 1 1 1 0; 0 0 0 0 0 0 0 1];

只涉及两个类的分类问题可以用任何一种格式表示。目标可以由标量1/0元素或两元素向量组成，其中一个元素为1，另一个元素为0。

下一节将演示如何使用神经网络模式识别工具GUI nprtool来训练网络来识别模式。本例使用工具箱提供的癌症数据集。该数据集由699个九元输入向量和两元目标向量组成。每个目标向量中有两个元素，因为每个输入向量有两个类别(良性或恶性)。

7.2 使用GUI工具来做神经网络分析

（1）还是先用nnstart来打开界面。

（2） 点击模式识别工具打开神经网络模式识别工具。(也可以使用命令