自组织映射(Self-organizing map, SOM)matlab代码+机器学习+人工智能

%% LVQ1.m LVQ 网络 % P为10个 2维矢量， C为分类矢量 % 类别号用 IND2VEC目标矢量. P = [-3 -2 -2 0 0 0 0 +2 +2 +3; 0 +1 -1 +2 +1 -1 -2 +1 -1 0]; C = [1 1 1 2 2 2 2 1 1 1]; T = ind2vec(C);%转换类别号为目标矢量 %% % 绘制数据点， Red = class 1, Cyan = class 2. colormap(hsv); plotvec(P,C) title('Input Vectors'); xlabel('P(1)'); ylabel('P(2)'); pause %% % NEWLVQ 建立 LVQ，输入数据的最小最大范围、隐层神经元数4, 第一类占60%、第二类占40%,学习率0.1 net = newlvq(minmax(P),4,[.6 .4],0.1); %% % 绘制竞争层神经元权重矢量. hold on W1 = net.IW{1}; plot(W1(1,1),W1(1,2),'ow') title('Input/Weight Vectors'); xlabel('P(1), W(1)'); ylabel('P(2), W(2)'); pause % 训练网络，训练结束后,重新绘制输入矢量 '+'，竞争神经元权重矢量 'o'. %Red = class 1, Cyan = class 2. net.trainParam.epochs=10; net.trainParam.show=Inf; net=train(net,P,T); cla; plotvec(P,C); hold on; plotvec(net.IW{1}',vec2ind(net.LW{2}),'o'); pause %% % 用 LVQ 分类. 输入矢量 [0.2; 1]. Red = class 1, Cyan = class 2. p = [0.2; 1]; a = vec2ind(sim(net,p))