数据处理也就包括标准化,归一化处理,很简单,我给你个例子,你可以仿照学习下:
%% 该代码为基于带动量项的BP神经网络语音识别
%% 清空环境变量
clc
clear

%% 训练数据预测数据提取及归一化

%下载四类语音信号
load data1 c1
load data2 c2
load data3 c3
load data4 c4

%四个特征信号矩阵合成一个矩阵
data(1:500,:)=c1(1:500,:);
data(501:1000,:)=c2(1:500,:);
data(1001:1500,:)=c3(1:500,:);
data(1501:2000,:)=c4(1:500,:);

%从1到2000间随机排序
k=rand(1,2000);
[m,n]=sort(k);

%输入输出数据
input=data(:,2:25);
output1 =data(:,1);

%把输出从1维变成4维
for i=1:2000
switch 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];
end
end

%随机提取1500个样本为训练样本,500个样本为预测样本
input_train=input(n(1:1500),:)';
output_train=output(n(1:1500),:)';
input_test=input(n(1501:2000),:)';
output_test=output(n(1501:2000),:)';

%输入数据归一化
[inputn,inputps]=mapminmax(input_train);

%% 网络结构初始化
innum=24;
midnum=25;
outnum=4;

%权值初始化
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_2=b2_1;

%学习率
xite=0.1
alfa=0.01;

%% 网络训练
for ii=1:10
E(ii)=0;
for i=1:1:1500
%% 网络预测输出
x=inputn(:,i);
% 隐含层输出
for j=1:1:midnum
I(j)=inputn(:,i)'*w1(j,:)'+b1(j);
Iout(j)=1/(1+exp(-I(j)));
end
% 输出层输出
yn=w2'*Iout'+b2;

%% 权值阀值修正
%计算误差
e=output_train(:,i)-yn;
E(ii)=E(ii)+sum(abs(e));

%计算权值变化率
dw2=e*Iout;
db2=e';

for j=1:1:midnum
S=1/(1+exp(-I(j)));
FI(j)=S*(1-S);
end
for k=1:1:innum
for 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));
end
end

w1=w1_1+xite*dw1'+alfa*(w1_1-w1_2);
b1=b1_1+xite*db1'+alfa*(b1_1-b1_2);
w2=w2_1+xite*dw2'+alfa*(w2_1-w2_2);
b2=b2_1+xite*db2'+alfa*(b2_1-b2_2);

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;
end
end

%% 语音特征信号分类
inputn_test=mapminmax('apply',input_test,inputps);

for ii=1:1
for i=1:500%1500
%隐含层输出
for j=1:1:midnum
I(j)=inputn_test(:,i)'*w1(j,:)'+b1(j);
Iout(j)=1/(1+exp(-I(j)));
end

fore(:,i)=w2'*Iout'+b2;
end
end

%% 结果分析
%根据网络输出找出数据属于哪类
for i=1:500
output_fore(i)=find(fore(:,i)==max(fore(:,i)));
end

%BP网络预测误差
error=output_fore-output1(n(1501:2000))';

%画出预测语音种类和实际语音种类的分类图
figure(1)
plot(output_fore,'r')
hold on
plot(output1(n(1501:2000))','b')
legend('预测语音类别','实际语音类别')

%画出误差图
figure(2)
plot(error)
title('BP网络分类误差','fontsize',12)
xlabel('语音信号','fontsize',12)
ylabel('分类误差','fontsize',12)

%print -dtiff -r600 1-4

k=zeros(1,4);
%找出判断错误的分类属于哪一类
for i=1:500
if 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;
end
end
end

%找出每类的个体和
kk=zeros(1,4);
for i=1:500
[b,c]=max(output_test(:,i));
switch c
case 1
kk(1)=kk(1)+1;
case 2
kk(2)=kk(2)+1;
case 3
kk(3)=kk(3)+1;
case 4
kk(4)=kk(4)+1;
end
end

%正确率
rightridio=(kk-k)./kk

MATLAB编程实现实验数据的处理相关推荐

  1. matlab物理实验数据处理,利用Matlab对物理实验数据进行处理

    利用Matlab对物理实验数据进行处理 李凌云;王海军;韩之乃 [期刊名称]<南京晓庄学院学报> [年(卷),期]2005(021)005 [摘要]本文以热电偶的定标实验.二极管伏安特性实 ...

  2. c语言一元线性回归方程程序,C语言编程对实验数据进行一元线性回归处理

    1997年第3期 云南化工 55 计算机应用 C语言编程对实验数据进行一元线性回归处理 杨继红 尹家元 沈 勇 (云南大学化学系 昆明650091) 摘 要 用目前最有发展前景的C语言编程处理分析实验 ...

  3. 欧拉法格式matlab编程,计算方法实验报告格式2015

    一. 二. 三. 四. 五. 六. 实验总体要求 . ......................................................................... ...

  4. matlab 编程波形图,实验一MATLAB编程环境及其常用信号的生成及其波形仿真.doc

    word格式精心整理版 范文范例 学习指导 实验一 MATLAB编程环境及常用信号的生成及波形仿真 一.实验目的 1.学会运用Matlab表示常用连续时间信号的方法 2.观察并熟悉这些信号的波形和特性 ...

  5. matlab处理常见实验数据之中值滤波与均值滤波 medfilt1 smooth

    来源 在处理实验数据中,由于实验不稳定,或者人为扰动,触碰试验台等, 对实验数据产生一定干扰. 后续实验数据分析时希望对扰动数据进行处理. **注意:**这里不涉及图像相关的滤波. 均值滤波 smoo ...

  6. matlab segy文件,利用matlab实现segy格式数据的读写研究和分析.ppt

    利用matlab实现segy格式数据的读写研究和分析 2.SEGY数据格式 地震数据一般以地震道为单位进行组织,采用SEG-Y文件格式存储.SEG-Y格式是由SEG (Society of Explo ...

  7. Psychopy | 第4期:实验数据的收集与处理

    Psychopy | 第4期:实验数据的收集与处理 1 相关概念的简单引入 2 被试信息录入 3 反应时记录 4 正确率记录 5 完整代码展示 6 系列课程的总结 Hello, 这里是行上行下,我是喵 ...

  8. matlab 雷诺,MATLAB在雷诺实验中的简单应用

    MATLAB在雷诺实验中的简单应用 摘要:根据雷诺实验的结果要求,通过MATLAB对雷诺实验数据的进行线性拟合,从而得到之间的关系.再通过MATLAB的数值计算功能,计算出值. 关键词:MATLAB ...

  9. matlab实验4图形的绘制,MATLAB编程与应用实验报告(三维图形绘制)

    <MATLAB编程与应用实验报告(三维图形绘制)>由会员分享,可在线阅读,更多相关<MATLAB编程与应用实验报告(三维图形绘制)(5页珍藏版)>请在人人文库网上搜索. 1.M ...

最新文章

  1. 笔试算法题(58):二分查找树性能分析(Binary Search Tree Performance Analysis)
  2. 一张图带你看清2014年就业形势-管理专业排名第一,就业难
  3. RocketMQ 介绍 msgId生成算法
  4. 3.Prometheus + Grafana实现可视化、告警
  5. 思科路由器NAT配置详解(转)
  6. QML工作笔记-PC端和Android端布局错位问题
  7. 第二章 Jackson属性名转换+属性忽略
  8. windows 9X, 2000, xp所有版本注册表设置(1)
  9. C/C++访问PostgreSQL数据库
  10. vscode快捷键的修改
  11. cad隐藏图层命令快捷键_这10个cad图层管理命令,让你画图速度飞起来!
  12. android studio生成jks,Android Studio生成keystore签名文件步骤讲解
  13. 社交媒体爬虫------调用微博API获取微博内容
  14. 文字转化为语音TextToSpeech
  15. SSH使用教程( Bitvise Tunnelier+Chrome+Proxy Switchy)
  16. 会议OA项目(送审后审批人签字功能)
  17. caffe.bin caffe的框架
  18. 我们调查了400多位业余摄影家,想搞清楚大爷大妈们的“拍大片江湖”
  19. D型环血压计袖带的全球与中国市场2022-2028年:技术、参与者、趋势、市场规模及占有率研究报告
  20. ECDS-MUI是什么?

热门文章

  1. 设计模式(Java随笔)—备忘录模式
  2. 安卓pdf阅读器_电子书阅读器买哪个好?除了kindle,还有这几个品牌可以选
  3. Kettle — 集群使用
  4. 基于物联网技术的智能寺庙
  5. 海外市场增长快速,爱贝激战跨境支付蓝海
  6. 502 bad gateway这是什么意思_2020年11月11日将出现“水星西大距”,这是什么意思?...
  7. 酒店点餐系统开发详解(一)
  8. 机器学习如何借鉴人类的视觉识别学习?让我们从婴幼儿的视觉学习说起
  9. a人工智能b大数据c云计算_ABC时代生产工具的是()。A、人工智能B、大数据C、云计算D、物联网...
  10. 组合数学--不相邻的组合数