蠓虫分类问题：对两种蠓虫（A 与B）进行鉴别，依据的资料是触角和翅膀的长度，已知了9 支Af 和6 支Apf 的数据如下：A: (1.24,1.27)，(1.36,1.74)，(1.38,1.64)，(1.38,1.82)，(1.38,1.90)，(1.40,1.70)，(1.48,1.82)，(1.54,1.82)，(1.56,2.08).B: (1.14,1.82)，(1.18,1.96)，(1.20,1.86)，(1.26,2.00)，(1.28,2.00)，(1.30,1.96).

根据如上资料，如何制定一种方法，正确地区分两类蠓虫?

设定1代表A类，0代表B类。输入数据，并设置目标值。

p1=;

p2=;

p=;

goal=;

将数据绘制成散点图

figure(1);plot(p1(:,1),p1(:,2),h,p2(:,1),p2(:,2),o);hold on

x=;

plot(x(:,1),x(:,2),rs);

创建 一个bp 神经网络，并设置网络参数：

pr=minmax(p);%求解p矩阵中每个行向量中的最小值和最大值

net=newff(pr,,{logsig,logsig},trainrp);

net.trainParam.show=50;

net.trainParam.lr=0.01;

net.trainParam.epochs=50000;

训练网络：

net=train(net,p,goal);

对网络进行仿真，并输出仿真结果，结果如图所示：

xtest=sim(net,x)

pt=;

ptest=sim(net,pt);

将仿真结果绘制在图形中

figure(2);

plot(1:length(p),goal(1,:),*b);hold on

plot(1:length(ptest),ptest(1,:),or);title(o表示预测值 *表示实际值);grid on

以原数据进行仿真，比较目标数据与仿真数据，绘制误差变化图。

pt=sim(net,p);

figure(3);

error=pt(1,:)-goal(1,:);

plot(1:length(error),error);title(误差变化图);

运用BP神经网络求解分类问题，其实并不复杂，而且整个程序也不长。由上述结果可知，所建立的BP神经网络求能很好的结果该分类问题。且程序运行速度也很快，不超过2秒。

创建神经网络时，注意传递函数的设置，不同的传递函数得到的结果可能会差别很大。

多运行几次，得到的结果会精确一些。