这两天在用SVM进行分类，发现效果一直不好，偶然用BP神经网络，发现分类效果很好。同时，由于要使用C++写界面，很希望实现神经网络的matlab和C的混合编程，问了度娘以后，发现不可以，解释见如下链接：
http://www.ilovematlab.cn/thread-103075-1-1.html
通过尝试后，决定采用“曲线救国”的方式，即利用matlab进行训练，再利用C手动编写，实现用于预测结果的sim函数。训练中采用newff函数建立神经网络net，输入层的传递函数为tansig，隐含层的传递函数为purelin.(若输入层采用logsig函数，方法类似)。
以三层BP神经网络为例，sim函数的matlab实现如下：
function out =
MyBPSim(net,Test_data)
%Test_data，待分类的数据，每行表示一个特征向量
IW = net.IW{1,1};
% net是训练得到的网络，IW表示隐含层的权矩阵
% 维数 =
隐含层神经元个数 * 特征数
LW = net.LW{2,1};
% LW表示隐含层权矩阵，维数 = 1 * 隐含层神经元个数
b1 = net.b{1,1}
% 输入层的阈值
b2 = net.b{2,1}
% 隐含层的阈值
n1 = (IW * Test_data) +
b1;
out1 = 2/(1 + exp(2 *
n1)) - 1; %
tansig函数的表达式，out1表示输入层的输出结果
out2 = LW * out1 + b2;
%
purelin函数就是形如 y = x，所以直接可以得到out2
end
以上即为sim函数的matlab形式，有一点需要注意的是，《MATLAB智能算法——30个案例分析》这本书的第25章P238存在错误，其中的式25-3
和式25-4中的减号应改为加号，否则与实际结果有较大误差。
C语言对sim的实现与以上程序类似，需要注意的是矩阵的乘法，由于matlab采用了优化，所以其计算矩阵乘法的速度相对于C要快很多，我没有找到很好的解决方法，采用的仍然是无脑的for循环。
喜欢
加载中…