1、内容简介
略
601-可以交流、咨询、答疑
2、内容说明
iris以鸢尾花的特征作为数据来源，数据集包含150个数据集，分为3类（setosa,versicolor, virginica），每类50个数据，每个数据包含4个属性。每一个数据包含4个独立的属性，这些属性变量测量植物的花朵（比如萼片和花瓣的长度等）信息。要求以iris数据为对象，来进行不可测信息（样本类别）的估计。以每一类前30个数据作为学习样本，以后20个样本作为测试样本，对样本进行估计，并和实际结果作比较，使用了RBF神经网络。
一、RBF神经网络
Radialbasis function（径向基函数），径向基函数是一个取值仅仅依赖于离原点距离的实值函数，也就是Φ（x）=Φ(‖x‖),或者还可以是到任意一点c的距离，c点成为中心点，也就是Φ（x，c）=Φ(‖x-c‖)。任意一个满足Φ（x）=Φ(‖x‖)特性的函数Φ都叫做径向量函数，标准的一般使用欧氏距离，尽管其他距离函数也是可以的。RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。
RBF(Radial Basis Function)可以看作是一个高维空间中的曲面拟合(逼近)问题，学习是为了在多维空间中寻找一个能够最佳匹配训练数据的曲面，然后来一批新的数据，用刚才训练的那个曲面来处理(比如分类、回归)。RBF的本质思想是反向传播学习算法应用递归技术，这种技术在统计学中被称为随机逼近。RBF里的basis function(径向基函数里的基函数)就是在神经网络的隐单元里提供了提供了一个函数集，该函数集在输入模式（向量）扩展至隐空间时，为其构建了一个任意的“基”。这个函数集中的函数就被称为径向基函数。 很明显，RBF属于神经网络领域的东西，所以像很多神经网络一样，其结构由：输入层、隐层、输出层 三层组成。
3、仿真分析
figureplot(YValidation,'r+');ylabel('label');hold on;plot(output,'b*');hold off;legend({'Target','Output'})ylim([0 4])figureplot(YValidation,'r');ylabel('label');hold on;plot(output,'b');hold off;legend({'Target','Output'})ylim([0 4])error = YValidation-output;figurebar(error)title('error')ylim([-1.2 1.2])figureplot(error)title('error')ylim([-1.2 1.2])correcr_rate = length(error(error==0))/length(YValidation)*100;disp(['预测准确率： ', num2str(correcr_rate), ' % '])
4、参考论文
略
