基于SVM的BP神经网络matlab程序可直接运行

function FailCount,FailIndex,net,MM=ANNBP(Nr,Nt,xnr,xnt,xnrSize,xntSize,CountL,dem)EPOCHS=500; GOAL=0.0000001; no=4; FailIndex=zeros(xntSize,1);if(dem=2) tr1=ones(Nr(1,1),1); tr2=-ones(xnrSize-Nr(1,1),1); tnr=tr1 ; tr2; tt1=ones(Nt(1,1),1); tt2=-ones(xntSize-Nt(1,1),1); tnt=tt1 ; tt2;end;if(dem=3) tr11=ones(Nr(1,1),1); tr12=zeros(Nr(2,1)-Nr(1,1),1); tr13=ones(xnrSize-Nr(2,1),1); tr21=zeros(Nr(1,1),1); tr22=ones(Nr(2,1)-Nr(1,1),1); tr23=ones(xnrSize-Nr(2,1),1); tr1=tr11 tr12 tr13; tr2=tr21 tr22 tr23; tnr=tr1;tr2; tt11=ones(Nt(1,1),1); tt12=zeros(Nt(2,1)-Nt(1,1),1); tt13=ones(xntSize-Nt(2,1),1); tt21=zeros(Nt(1,1),1); tt22=ones(Nt(2,1)-Nt(1,1),1); tt23=ones(xntSize-Nt(2,1),1); tt1=tt11 tt12 tt13; tt2=tt21 tt22 tt23; tnt=tt1;tt2;end;pnr=xnr; MM=minmax(pnr);net=newff(MM,no,dem-1,tansig,purelin,trainlm); net.trainParam.epochs=EPOCHS; net.trainParam.goal =GOAL;net=train(net,pnr,tnr);save net pnt=xnt;k=0;for i=1:xntSize if(CountL=2) hp=xnt(i,1);xnt(i,2); yuce=round(sim(net,hp); if (yuce=1)&(iNt)|(yuce=-1)&(iNt(1,1) FailFlag1=1; end; if(yuce=1 1)&(iNt(2,1)|(i=Nt(1,1) FailFlag2=1; end; if(FailFlag1|FailFlag2|FailFlag3) k=k+1; FailIndex(k,1)=i; end; end;end;FailCount=k;