c语言编bp算法及使用说明.docVIP

c语言编bp算法及使用说明 训练样本数据文件sample.txt输入格式:(单样本对) (x1,x2,x3....xh,d1,d2,d3,...dj) 测试样本数据输入:(从键盘输入) x1,x2,x3...xh 屏幕输出:y1,y2,y3...yj 在确定网络结构以后，即可确定(输入层)nh,(隐层)ni,(输出层)nj,(样本容量)nk 每次使用之前请修改网络结构数据。 ? #include stdio.h #include math.h #include conio.h #include stdlib.h #define nh 4 //输入层节点个数#define ni 9 //隐层节点个数#define nj 3 //输出层节点个数#define nk 30 //样本个数#define nr 0.85/*学习效率*/ #define EPS 0.00001 float x[nk][nh],//每个样本在输入层每个节点的值 d[nk][nj],// 每个样本在输出层每个节点的值 whi[nh][ni] ,//输入层和隐藏层每个节点的连接权重 wij[ni][nj],// 隐藏层和输出层的连接权重 thi[ni],thj[nj];// 隐藏层和输出层每个节点的阈植int h,i,j,k; float xmin[nh],xmax[nh],//存放输入层中每个属性节点的最小和最大值，便于归一化 dmin[nj],dmax[nj]; FILE *fp1,*fp2; void init(void); void startleaning(void); void testsample(void); void readw(void); void writew(void); float sigmoid(float a); double ranu(void); void init(void) {int min,max; if(fp1==0) { 燾lrscr(); 爌rintf(Can not find the learning sample file!\n); 爀xit(0); } for(k=0;knk;k++) //对每一个输入样本进行处理，输入每个训练样本和类别信息?{ ? for(h=0;hnh;h++) ? ?fscanf(fp1,%f,x[k][h]); ? for(j=0;jnj;j++) ? ?fscanf(fp1,%f,d[k][j]); ?} ?for(h=0;hnh;h++) //对输入层的每个节点进行处理?{ ? min=1;max=1; ? for(k=0;knk;k++) //在输入层接点上，对每个样本? ?{ ? ? if(x[k][h]x[min][h]) min=k; ? ? if(x[k][h]x[max][h]) max=k; ? ?} ? xmin[h]=x[min][h]; //所有样本中h属性上最小的值? xmax[h]=x[max][h]; ? for(k=0;knk;k++)/*归一化*/ ? x[k][h]=(x[k][h]-xmin[h])/(xmax[h]-xmin[h]); ?} for(j=0;jnj;j++) ?{ ? min=1;max=1; ? for(k=0;knk;k++) ? ?{ ? ? if(d[k][j]d[min][j]) min=k; ? ? if(d[k][j]d[max][j]) max=k; ? ?} ? ?dmin[j]=d[min][j]; ? ?dmax[j]=d[max][j]; ? for(k=0;knk;k++)/*归一化*/ d[k][j]=(d[k][j]-dmin[j])/(dmax[j]-dmin[j]); ? ?} } /*----------------------------------------------------*/ void startlearning(void) { long int nt,n; float t,error[nk],gerror,xj[nj],xi[ni],yj[nj],yi[ni],pxi[ni],pxj[nj]; if(fp2==0) ?{ ? for(i=0;ini;i++) //初始化权重和阈值? ?{ ? ? for(h=0;hnh;h++) ? ? ?whi [h] [i]=-0.1+0.2*ranu(); ? ? for(j=0;jnj;j++) ? ? ?wij[i] [j]=-0.1+0.2*ran