神经网络实用教程第4章 nnToolKit神经网络工具包 (2).pptVIP

4.2nnToolKit函数库 ．Gabpdemo 功能 基于遗传神经网络的图像分割示例程序。 格式 retstr = Gabpdemo()。 说明 演示对特定类型的一类图像进行分割。在分割之前要做好二项工作，一是提取前景和背景的特征值，二是用提取好的特征值进行遗传神经网络训练。 Wnninit 功能 小波神经网络初始化。 格式 [P,T,R,S1,S2,S ,Q]=Wnninit()。 说明 初始化小波神经网络，返回网络的训练样本，输入、输出数及隐含神经元数等。 Gawnn 功能 遗传算法优化小波神经网络后逼近非线性（内部调用遗传算法的初始化、适应度、解码函数）。 格式 retstr = Gawnn()。 说明 程序运行前需将ch3\小波网络工具箱及遗传算法工具箱加入到MATLAB的搜索路径中（方法：File?Set Path，增加目录到MATLAB的搜索路径，然后保存）。 4.2nnToolKit函数库 例4-11 演示遗传算法优化小波神经网络后逼近非线性。 4.2nnToolKit函数库 Wnndemo 功能 基于小波神经网络的1-D插值示例程序。 格式 retstr = Wnndemo ()。 说明 程序运行前需将ch3\小波网络工具箱及遗传算法工具箱加入到MATLAB的搜索路径中（方法：File?Set Path，增加目录到MATLAB的搜索路径，然后保存）。 4.2nnToolKit函数库 基于小波神经网络的1-D插值示例程序 4.3 应用举例 4.3.1 基于LM神经网络的房地产开发风险预测模型 1．案例描述 房地产开发存在风险，其影响因素（输入）主要包括： 1）通货膨胀风险：可分为升高、不变、降低。 2）市场低供求风险，可分为供大求、平衡、供小求。 3）周期风险，可分为第一阶段、第二阶段、第三阶段、第四阶段。 4）利率风险，可分为提高、不变、降低。 5）政策风险，可分为有利、无新政策、不利开发。 6）区位风险，可分为升值、不变、降值。 7）开发期风险，可分为较长、正常、缩短。 开发风险（输出）可分为5类：无风险、风险较低、一般风险、风险较高、风险很高，为了能对开发风险进行有效地评估和预测，在此拟建立神经网络预测模型，实现对房地产开发风险的预测。 4.3.1 基于LM神经网络的房地产开发风险预测模型 数据 结点类别 结点名称 结点描述 转换 输入 通货膨胀风险 升高 0.8 不变 0.5 降低 0.2 市场低供求风险 供大于求 0.3 平衡 0.6 供小于求 0.8 周期风险 第一阶段 0.1 第二阶段 0.3 第三阶段 0.6 第四阶段 0.8 利率风险 提高 0.2 不变 0.5 降低 0.9 4.3.1 基于LM神经网络的房地产开发风险预测模型 数据 结点类别 结点名称 结点描述 转换 输入 政策风险 有利 0.9 无新政策 0.8 不利开发 0.2 区位风险 升值 0.9 不变 0.6 降值 0.3 开发期风险 较长 0.2 正常 0.5 缩短 0.7 输出 开发风险 无风险 1 风险较低 0.8 一般风险 0.5 风险较高 0.3 风险很高 0.1 4.3.1 基于LM神经网络的房地产开发风险预测模型 建立一个网络结构为7-5-1的神经网络模型 构建专家样本数据 运行LmTrain.m文件，完成对专家样本数据的训练 将实际参数值传入LmSimu.m文件实现开发风险预测 智能中国网提供学习支持 * 第4章nnToolKit神经网络工具包 4.1 nnToolKit简介 nnToolKit?神经网络工具包是基于?MATLAB?神经网络工具箱自行开发的一组神经网络算法函数库 可在MATLAB环境下均独立运行，也可打包成DLL组件，直接被VB、V?C?、C++ 、C#、JAVA或其他支持COM的语言所调用 本工具包中增加了一些MATLAB中没有的神经网络算法，如模糊神经网络、小波神经网络、遗传神经网络算法等 4.2 nnToolKit函数库 算 法 函 数 名 功 能 LM神经网络算法 LmTrain LM神经网络训练函数（不带归一化处理） LmSimu LM神经网络仿真函数（不带反归一化处理） LmTrain2 LM神经网络训练函数（带归一化处理） LmSimu2 LM神经网络仿真函数（带反归一化处理） 自组织特征映射网络 SofmTrain 自组织特征映射网络训练函数 SofmSimu 自组织特征映射网络仿真函数 SofmIntensity 图像增强处理函数 SofmHist 绘制直方图函数 SofmProcess 自组织特征映射网络处理函数 SofmRec 图像识别函数 模糊神经网络 FnnTrain 模糊神经