%% 案例19: 概率神经网络的分类预测--基于PNN的变压器故障诊断
%
%
% <html>
% <table border="0" width="600px" id="table1"> <tr> <td><b><font size="2">该案例作者申明:</font></b></td> </tr> <tr> <td><span class="comment"><font size="2">1:本人长期驻扎在此<a target="_blank" href="http://www.ilovematlab.cn/forum-158-1.html"><font color="#0000FF">板块</font></a>里,对<a target="_blank" href="http://www.ilovematlab.cn/thread-48362-1-1.html"><font color="#0000FF">该案例</font></a>提问,做到有问必答。</font></span></td></tr><tr> <td><span class="comment"><font size="2">2:此案例有配套的教学视频,配套的完整可运行Matlab程序。</font></span></td> </tr> <tr> <td><span class="comment"><font size="2"> 3:以下内容为该案例的部分内容(约占该案例完整内容的1/10)。</font></span></td> </tr> <tr> <td><span class="comment"><font size="2"> 4:此案例为原创案例,转载请注明出处(<a target="_blank" href="http://www.ilovematlab.cn/">Matlab中文论坛</a>,<a target="_blank" href="http://www.ilovematlab.cn/forum-158-1.html">《Matlab神经网络30个案例分析》</a>)。</font></span></td> </tr> <tr> <td><span class="comment"><font size="2"> 5:若此案例碰巧与您的研究有关联,我们欢迎您提意见,要求等,我们考虑后可以加在案例里。</font></span></td> </tr> <tr> <td><span class="comment"><font size="2"> 6:您看到的以下内容为初稿,书籍的实际内容可能有少许出入,以书籍实际发行内容为准。</font></span></td> </tr><tr> <td><span class="comment"><font size="2"> 7:此书其他常见问题、预定方式等,<a target="_blank" href="http://www.ilovematlab.cn/thread-47939-1-1.html">请点击这里</a>。</font></span></td> </tr></table>
% </html>
%
%% 清空环境变量
clc;
clear all
close all
nntwarn off;
warning off;
%% 数据载入
load data
%% 选取训练数据和测试数据
Train=data(1:23,:);
Test=data(24:end,:);
p_train=Train(:,1:3)';
t_train=Train(:,4)';
p_test=Test(:,1:3)';
t_test=Test(:,4)';
%% 将期望类别转换为向量
t_train=ind2vec(t_train);
t_train_temp=Train(:,4)';
%% 使用newpnn函数建立PNN SPREAD选取为1.5
Spread=1.5;
net=newpnn(p_train,t_train,Spread)
%% 训练数据回代 查看网络的分类效果
% Sim函数进行网络预测
Y=sim(net,p_train);
% 将网络输出向量转换为指针
Yc=vec2ind(Y);
%% 通过作图 观察网络对训练数据分类效果
figure(1)
subplot(1,2,1)
stem(1:length(Yc),Yc,'bo')
hold on
stem(1:length(Yc),t_train_temp,'r*')
title('PNN 网络训练后的效果')
xlabel('样本编号')
ylabel('分类结果')
set(gca,'Ytick',[1:5])
subplot(1,2,2)
H=Yc-t_train_temp;
stem(H)
title('PNN 网络训练后的误差图')
xlabel('样本编号')
%% 网络预测未知数据效果
Y2=sim(net,p_test);
Y2c=vec2ind(Y2)
figure(2)
stem(1:length(Y2c),Y2c,'b^')
hold on
stem(1:length(Y2c),t_test,'r*')
title('PNN 网络的预测效果')
xlabel('预测样本编号')
ylabel('分类结果')
set(gca,'Ytick',[1:5])
web browser http://www.ilovematlab.cn/viewthread.php?tid=63455
%%
%
% <html>
% <table align="center" > <tr> <td align="center"><font size="2">版权所有:</font><a
% href="http://www.ilovematlab.cn/">Matlab中文论坛</a> <script
% src="http://s3.cnzz.com/stat.php?id=971931&web_id=971931&show=pic" language="JavaScript" ></script> </td> </tr></table>
% </html>
%
大黄鸭duck.
- 粉丝: 6765
- 资源: 1万+
最新资源
- 基于django以及xadmin的在线教育平台。全部资料+详细文档+高分项目.zip
- 基于mysql+django的学生成绩管理系统全部资料+详细文档+高分项目.zip
- 基于Python+Django+MySQL+Redis的商城练手项目(天天生鲜商城项目)全部资料+详细文档+高分项目.zip
- 基于Flask的信息发布,管理系统详细文档+全部资料+高分项目.zip
- 基于Python和Django的后台管理框架!全部资料+详细文档+高分项目.zip
- 基于python2.7.13+django+mysql编写 前端使用layui框架 web扫描器,主要提供子域名扫描,端口扫描,目录扫描,插件扫描的项目功能。还
- 基于Flask开发内网云盘,简单易上手详细文档+全部资料+高分项目.zip
- 基于flask框架的观影清单项目详细文档+全部资料+高分项目.zip
- 基于tensorflow的水果识别小程序,前端采用uni-app框架,后端采用django框架部署在阿里云服务器上。全部资料+详细文档+高分项目.zip
- 基于Flask框架的BBS网站,支持发帖,私信,人脸识别,情绪分类。详细文档+全部资料+高分项目.zip
- 基于Python flask的聚合api详细文档+全部资料+高分项目.zip
- 基于flask框架的数据分析网站详细文档+全部资料+高分项目.zip
- 基于Flask微电影网站详细文档+全部资料+高分项目.zip
- 基于使用 Flask 和 Bootstrap 构建的轻量博客,基于 Git 存储博客内容。支持自动更新、全文检索、Docker 部署详细文档+全部资料+高分项目.zip
- 基于Python Flask框架编写的Web应用作业提交系统,用于收集班级作业详细文档+全部资料+高分项目.zip
- 基于React+flask搭建的跳蚤市场,实现登录注册,图片裁剪,上架下架物品,搜索、收藏物品,聊天等功能详细文档+全部资料+高分项目.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈