matlab训练神经网络（RBF,BP,LDA,BAYES,ELMAN,KNN,SOFTMAX)

本文件夹中以气体传感器收集的数据来训练几种不同的分类器，并测试了正确率 这里仅演示了最基本的使用方法，各个参数的设定还是参考帮助文档为好。 数据来源：http://archive.ics.uci.edu/ml/datasets/Gas+Sensor+Array+Drift+Dataset 数据分为6类气体，由不同的时间段采集，并由时间段分成了10个数据集，各个数据集的详细情况可以见网站的说明。总之，这里有6类气体的数据，不过需要注意的时，由于传感器材质或工艺水平的原因，随着时间的变化，传感器本身会产生漂移。因此，如果用第10个batch上的数据来训练一个分类器，用第1个batch上面的数据来进行测试，正确率可能会很低。这也是现在需要解决的问题。 训练数据600个，测试数据3000个， 固定初始参数时，各个分类器的正确率如下： Bayes: 60% BP: 90.5% Elman: 77.5% KNN: 97.5333% LDA: 84.4667% RBF: 97.7% Softmax: 98.1667%