BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分類(lèi)-語(yǔ)音特征信號(hào)分類(lèi)

1、clc clear % 訓(xùn)練數(shù)據(jù)預(yù)測(cè)數(shù)據(jù)提取及歸一化%下載四類(lèi)語(yǔ)音信號(hào) load data1 c1 load data2 c2 load data3 c3 load data4 c4 %四個(gè)特征信號(hào)矩陣合成一個(gè)矩陣 data(1:500,:)=c1(1:500,:); data(501:1000,:)=c2(1:500,:); data(1001:1500,:)=c3(1:500,:); data(1501:2000,:)=c4(1:500,:);%從 1 到 2000 間隨機(jī)排序 k=rand(1,2000);m,n=sort(k);%輸入輸出數(shù)據(jù) input=data(:,2:25); o

2、utput1 =data(:,1);%把輸出從 1 維變成 4 維 for i=1:2000switch output1(i)case 1 output(i,:)=1 0 0 0;case 2 output(i,:)=0 1 0 0;case 3 output(i,:)=0 0 1 0;case 4 output(i,:)=0 0 0 1;endend %隨機(jī)提取 1500 個(gè)樣本為訓(xùn)練樣本， 500 個(gè)樣本為預(yù)測(cè)樣本 input_train=input(n(1:1500),:)'output_train=output(n(1:1500),:)'input_test=input

3、(n(1501:2000),:)' output_test=output(n(1501:2000),:)'%輸入數(shù)據(jù)歸一化inputn,inputps=mapminmax(input_train);% 網(wǎng)絡(luò)結(jié)構(gòu)初始化innum=24;midnum=25;outnum=4;%權(quán)值初始化w1=rands(midnum,innum); b1=rands(midnum,1);w2=rands(midnum,outnum);b2=rands(outnum,1);w2_1=w2;w2_2=w2_1;w1_1=w1;w1_2=w1_1;b1_1=b1;b1_2=b1_1;b2_1=b2;b2

4、_2=b2_1;%學(xué)習(xí)率xite=0.1alfa=0.01;% 網(wǎng)絡(luò)訓(xùn)練for ii=1:10E(ii)=0;for i=1:1:1500% 網(wǎng)絡(luò)預(yù)測(cè)輸出x=inputn(:,i);% 隱含層輸出for j=1:1:midnumI(j)=inputn(:,i)'*w1(j,:)'+b1(j);Iout(j)=1/(1+exp(-I(j);end% 輸出層輸出 yn=w2'*Iout'+b2;% 權(quán)值閥值修正%計(jì)算誤差 e=output_train(:,i)-yn; E(ii)=E(ii)+sum(abs(e);%計(jì)算權(quán)值變化率dw2=e*Iout;db2=e&#

5、39;for j=1:1:midnumS=1/(1+exp(-I(j);FI(j)=S*(1-S);endfor k=1:1:innumfor j=1:1:midnum dw1(k,j)=FI(j)*x(k)*(e(1)*w2(j,1)+e(2)*w2(j,2)+e(3)*w2(j,3)+e(4)*w2(j,4); db1(j)=FI(j)*(e(1)*w2(j,1)+e(2)*w2(j,2)+e(3)*w2(j,3)+e(4)*w2(j,4);endend w1=w1_1+xite*dw1' b1=b1_1+xite*db1'w2=w2_1+xite*dw2'b2=b

6、2_1+xite*db2'w1_2=w1_1;w1_1=w1;w2_2=w2_1;w2_1=w2;b1_2=b1_1;b1_1=b1;b2_2=b2_1;b2_1=b2;endend % 語(yǔ)音特征信號(hào)分類(lèi) inputn_test=mapminmax('apply',input_test,inputps);for ii=1:1for i=1:500%1500%隱含層輸出for j=1:1:midnumI(j)=inputn_test(:,i)'*w1(j,:)'+b1(j);Iout(j)=1/(1+exp(-I(j);endfore(:,i)=w2

7、9;*Iout'+b2;endend% 結(jié)果分析 %根據(jù)網(wǎng)絡(luò)輸出找出數(shù)據(jù)屬于哪類(lèi) for i=1:500output_fore(i)=find(fore(:,i)=max(fore(:,i); end%BP 網(wǎng)絡(luò)預(yù)測(cè)誤差 error=output_fore-output1(n(1501:2000)'%畫(huà)出預(yù)測(cè)語(yǔ)音種類(lèi)和實(shí)際語(yǔ)音種類(lèi)的分類(lèi)圖figure(1)plot(output_fore,'r')hold onplot(output1(n(1501:2000)','b')legend('預(yù)測(cè)語(yǔ)音類(lèi)別,'實(shí)際語(yǔ)音類(lèi)別) %畫(huà)

8、出誤差圖figure(2)plot(error)title('BP 網(wǎng)絡(luò)分類(lèi)誤差 ','fontsize',12) xlabel(' 語(yǔ)音信號(hào) ','fontsize',12)ylabel(' 分類(lèi)誤差 ','fontsize',12) %print -dtiff -r600 1-4k=zeros(1,4);%找出判斷錯(cuò)誤的分類(lèi)屬于哪一類(lèi) for i=1:500if error(i)=0 b,c=max(output_test(:,i); switch c case 1 k(1)=k(1)+1; case 2 k(2)=k(2)+1; case 3 k(3)=k(3)+1; case 4 k(4)=k(4)+1;endendend%找出每類(lèi)的個(gè)體和 kk=zeros(1,4);for i=1:500 b,c=max(output_t