上图:
1.蓝色部分表示一类数据,红色部分表示二类数据
2.数据都只有一个特征向量为y轴的值
3.x轴为数据在训练集中的下标
问题:
本来应该是很简单的,利用一个特征向量(y轴的值)作为分类依据,将红色数据和蓝色数据分开。
然而,利用matlab建立BP神经网络,训练结果有时候非常好,测试正确率能达到98以上,有时候正确率只有20~30。
%训练样本
train_sample=[trainECG']; %21*25
%测试样本
test_sample=[testECG'];
%输出类别,建立HotCode
t1=[trainLabel'];
t2=[testLabel'];
train_result = ind2vec(t1);
test_result = ind2vec(t2);
net = newff(train_sample,train_result,4,{ 'tansig' 'purelin' } ,'traingdx');
net.trainParam.show=50; % 显示训练迭代过程
net.trainParam.epochs=15000; % 最大训练磁数
net.trainParam.goal=0.001; % 要求训练精度
net.trainParam.lr=0.02; % 学习率
net=init(net); %网络初始化
[net,tr]=train(net,train_sample,train_result); % 网络训练
result_sim=sim(net,test_sample); % 利用得到的神经网络仿真
result_sim_ind=vec2ind(result_sim);
correct=0;
for i=1:length(result_sim_ind)
if result_sim_ind(i)==t2(i);
correct=correct+1;
end
end
disp('正确率:');
correct / length(result_sim_ind)