神经网络的数据分类—语音特征信号识别.docVIP

清空环境变量 clc clear 数据的提取和预处理 %下载四类语音特征信号矩阵 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); %从data中找出输入和输出 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个样本做为训练样本，500个样本作为预测样本 input_train=input(n(1:1500),:); output_train=output(n(1:1500),:); input_test=input(n(1501:2000),:); output_test=output(n(1501:2000),:); %选连样本输入输出数据归一化 [inputn,inputps]=mapminmax(input_train); [outputn,outputps]=mapminmax(output_train); BP网络建立 %创建一个BP神经网络 net=newff(inputn,outputn,20); net.trainParam.epochs=50; net.trainParam.lr=0.1; net.trainParam.goal=0.00004; BP网络训练 net=train(net,inputn,outputn); BP网络预测 %预测数据归一化 inputn_test=mapminmax(apply,input_test,inputps); %网络预测输出 an=sim(net,inputn_test); %网络输出反归一化 BPoutput=mapminmax(reverse,an,outputps); 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(BPoutput(:,i)==max(BPoutput(:,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(预测误差) 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