function?glass1=classifyBP（）
clc;
clear;
load?glass.txt;
data=[glass（:2:11）];
glass_train=[data（1:35:）;data（71:108:）;data（147:155:）;data（164:170:）;data（177:181:）;data（186:200:）];%人工分成訓練集
glass_test=[data（36:70:）;data（109:146:）;data（156:163:）;data（171:176:）;data（182:185:）;data（201:214:）];%人工分成測試集

train_label=[glass_train（:10）];%訓練集標簽
test_label=[glass_test（:10）];%測試集標簽

%%%%%%%%%%%%%%%%%%%對數據進行出來，于適合BP神經網絡函數的調用
glass_train=glass_train‘;
glass_test=glass_test‘;
train_label=train_label‘;
test_label=test_label‘;

%對訓練集和測試集進行歸一化
[train1minpmaxplabelmintmaxt]?=?premnmx（glass_traintrain_label）;
[test]=tramnmx（glass_testminpmaxp）;

%構造神經網絡
net?=?newff（?minmax（train1）??[10?1]??{?‘tansig‘?‘tansig‘?}??‘traingdx‘?）?;
%設置訓練參數
net.trainparam.show?=?50?;
net.trainparam.epochs?=2500;
net.trainparam.goal?=?0.00001?;
net.trainParam.lr?=?0.01?;

%開始訓練
net?=?train（nettrain1label）;


%測試集仿真
TEST?=?sim（nettest）;
[y1]=postmnmx（TESTmintmaxt）;%反歸一化
testresult=tonumber1（y1）
erroroftest=evalu（test_labeltestresult）
%訓練集仿真
Z?=?sim（nettrain1）;
[z]=postmnmx（Zmintmaxt）;%反歸一化
trainresult=tonumber1（z）
erroroftrain1=evalu（train_labeltrainresult）

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%子函數
function?y=tonumber1（x）
for?i=1:size（x2）
???if?x（i）<1.5
???????x（i）=1;
????end
????if?1.5???????x（i）=2;
????end
????if?2.5????????x（i）=3;
????end
????if?3.5????????x（i）=4;
????end
????if?4.5????????x（i）=5;
????end
????if?5.5????????x（i）=6;
????end
????if?6.5????????x（i）=7;
????end
????y（i）=x（i）;
end

function?error=evalu（ab）
error=0;%分類錯誤的個數
for?i=1:size（a2）
????if?a（i）~=b（i）
????????error=error+1;
????end
end

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件????????1896??2020-09-13?11:13??classifyBP.m
?????文件???????12119??2020-09-13?11:13??glass.txt