感知器准则函数的matlab程序

1、精选优质文档-倾情为你奉上 clear%产生第一类和第二类原始数据，分别赋值给w1和w2变量w1=0.1 6.8 -3.5 2.0 4.1 3.1 -0.8 0.9 5.0 3.9;    1.1 7.1 -4.1 2.7 2.8 5.0 -1.3 1.2 6.4 4.0;w2=-3.0 0.5 2.9 -0.1 -4.0 -1.3 -3.4 -4.1 -5.1 1.9;    -2.9 8.7 8 5.2 2.2 3.7 6.2 3.4 1.6 5.1;%分别产生第一类和第二类增广样本向量集ww1、ww

2、2ww1=ones(1,size(w1,2);w1;ww2=ones(1,size(w2,2);w2;%产生第一类和第二类样本向量的规范化增广样本向量集w12w12=ww1,-ww2;y=zeros(1,size(w12,2); % 产生1x20的行向量，赋给y，初值全为0a=1;1;1;       %给权向量a赋初值k=0;               %k为迭代次数，a(

3、0)=1;1;1while any(y<=0)for i=1:size(y,2)y(i)=a'*w12(:,i);enda=a+(sum(w12(:,find(y<=0)')'k=k+1;enda      %显示最终求得的权向量a的值k      %迭代次数值figure(1)plot(w1(1,:),w1(2,:),'r+')hold onplot(w2(1,:),w2(2,:),'*')xmin=min

4、(min(w1(1,:),min(w2(1,:); xmax=max(max(w1(1,:),max(w2(1,:); ymin=min(min(w1(2,:),min(w2(2,:); ymax=max(max(w1(2,:),max(w2(2,:); xindex=xmin-1:(xmax-xmin)/100:xmax+1;yindex=-a(2)*xindex/a(3)-a(1)/a(3);plot(xindex,yindex) 我自己模仿写的：%测试函数点clcclear allx1=-1:0.1:1;y1=x1+2;w1=x1;y1;

5、x2=-1.5:0.1:0.5y2=x2;w2=x2;y2;figure(1)plot(x1,y1,'r+')hold onplot(x2,y2,'g*')ww1=ones(1,size(w1,2);w1;ww2=ones(1,size(w2,2);w2;w12=ww1,-ww2;a=1;1;1;y=zeros(1,size(w12,2);k=1;while any(y<=0)   for i=1:size(w12,2)       y(i)=a'*

6、w12(:,i);   end   temp=sum(w12(:,find(y<=0)')'   a=a+temp;   k=k+1;endakxmin=min(min(x1),min(x2);xmax=max(max(x1),max(x2);ymin=min(min(y1),min(y2);ymax=max(max(y2),max(y2);xindex=xmin-1:(xmax-xmin)/100:xmax+1;yindex=-a(2)/a(3)*xi

7、ndex-a(1)/a(3);hold onplot(xindex,yindex)心得体会：感知器准则函数只能用来线性分类，而且最有找到判决边界一般在边界面上，具体原理还是比较好理解的。  三类情况：clear%original data%产生第一类、第二类和第三类原始数据，分别赋给w1、w2 和w3 变量w1=0.1 0.8 -3.5 2.0 4.1 3.1 -0.8 2 5.0 3.9; 1.1 7.1 -4.1 2.7 2.8 5.0 -1.3 1.2 6.4 4.0;w2=7.1 -1.4 4.5 6.3 4.2 1.4 2.4 2.5 8.4 4.1;4.2 -4

8、.3 0.0 1.6 1.9 -3.2 -4.0 -6.1 3.7 -2.2;w3=-3.0 5 2.9 -0.1 -4.0 -1.3 -3.4 -4.1 -5.1 1.9;-2.9 8.7 2.1 5.2 2.2 3.7 6.2 3.4 1.6 5.1;figure(1)plot(w1(1,:),w1(2,:),'r.')hold onplot(w2(1,:),w2(2,:),'*')%normalized%分别产生第一类、第二类和第三类增广样本向量集ww1、ww2 和ww3ww1=ones(1,size(w1,2); w1;ww2=ones(1,size(w

9、2,2); w2;ww3=ones(1,size(w3,2); w3;%产生第一类和第二类样本向量的规范化增广样本向量集w12w12=ww1,-ww2;%w13=ww1,-ww3;%w23=ww2,-ww3;y=zeros(1,size(w12,2); %产生1x20 的行向量，赋给y，初值全为0v=1;1;1; %给权向量v 赋初值k=0; %k 为迭代次数，v(0)= 1;1;1while any(y<=0)for i=1:size(y,2)y(i)=v'*w12(:,i);endv=v+(sum(w12(:,find(y<=0)')'k=k+1;end

10、v %显示最终求得的权向量v 的值k %迭代次数值figure(1)plot(w1(1,:),w1(2,:),'r.')hold onplot(w2(1,:),w2(2,:),'*')xmin=min(min(w1(1,:),min(w2(1,:);xmax=max(max(w1(1,:),max(w2(1,:);ymin=min(min(w1(2,:),min(w2(2,:);ymax=max(max(w1(2,:),max(w2(2,:);xindex=xmin-1:(xmax-xmin)/100:xmax+1;yindex=-v(2)*xindex/v(3

11、)-v(1)/v(3);plot(xindex,yindex)%写出实现批处理感知器算法的程序，从v=0 开始，将程序应用在2 和3 类上，同样记下收敛的步数。w23=ww2,-ww3;yy=zeros(1,size(w23,2); %产生1x20 的行向量，赋给y，初值全为0vv=1;1;1; %给权向量v 赋初值kk=0; %k 为迭代次数，v(0)= 1;1;1while any(yy<=0)for i=1:size(yy,2)yy(i)=vv'*w23(:,i);endvv=vv+(sum(w23(:,find(yy<=0)')'kk=kk+1;endvv %显示最终求得的权向量v 的值kk %迭代次数值figure(2)plot(w2(1,:),w2(2,:),'r.')hold onplot(w3(1,:),w3(2,:),'*')xxmin=min(min(w2(1,:),min(w3(1,:);xxmax=max(max(w2(1,:),max(w3(1,