数学建模

x=0:0.5:10;
y=0.2*exp(-0.2*x)+0.5*exp(-0.15*x).*sin(1.25*x);
plot(x,y);  %画出原始图
net=newff([0,10],[6,1],{'tansig','tansig'});    %最小值为0，最大值为10，隐藏节点选择6个，输出结果为一维的，隐层和输出层的函数都选择tansig
net=train(net,x,y); %进行网络训练
x1=0:0.1:10;
y1=sim(net,x1); %进行数据泛化
plot(x,y,'*',x1,y1,'r');    %做出对比图

输入为15个二维向量，输出也为15个二维向量，其中Af对应为（1,0），Apf对应为（0,1），根据输出结果的值，来判断属于哪一类。

x=[1.24 1.36 1.38 1.38 1.38 1.40 1.48 1.54 1.56 1.14 1.18 1.20 1.26 1.28 1.30;
    1.72 1.74 1.64 1.82 1.90 1.70 1.82 1.82 2.08 1.78 1.96 1.86 2.0 2.0 1.96];
y=[1 1 1 1 1 1 1 1 1 0 0 0 0 0 0;
    0 0 0 0 0 0 0 0 0 1 1 1 1 1 1];
xmin=min(x');   %因为matlab函数求平均值，最大最小值都只能对列进行操作，所以要进行转置
xmax=max(x');
net.trainParam.epochs=2000; %设置迭代步数
net=newff([xmin',xmax'],[5,2],{'logsig','logsig'}); %初始化网络，5表示隐层节点选择5个，2表示输出结果为2维的。
net=train(net,x,y); %进行网络训练
x1=[1.24 1.28 1.40;
    1.80 1.84 2.04];
y1=sim(net,x1); %数据泛化
plot(x(1,1:9),x(2,1:9),'*',x(1,10:15),x(2,10:15),'o',x1(1,:),x1(2,:),'p');
fprintf('输出分类值为：');
y1

输出分类值为：
y1 =

0.8920    0.8884    0.0287
0.0946    0.0984    0.9801

从图中观察到，待分类的蠓虫位于中间，不好直接分辨。但是从返回的y1的值可以看出，（0.8920,0.0946）更接近于（1,0），所以属于第一类。其他的分析类似。