function net=RBFnet_creat

for i=1:4
    m=strcat('train',int2str(i),'.jpg');   % 將訓練樣本的文件名合并成字符串
    x=imread(m);                           % 讀入樣本圖片
    level=graythresh(x);                   % 自動計算灰度閾值
    BW=im2bw(x,level);                     % 將讀入的圖片變成二值圖像
    theta=0:179;                       
    R=radon(BW,theta,180);
    [v,d]=eig(R);                          % 計算h的特征值

    for j=1:180
        p(j,i)=real(d(j,j));               % 將特征值作為網絡的輸入
    end

    switch i                               % 形成網絡的目標向量
        case 1
            T(:,1)=[0 0 1]';
        case 2
            T(:,2)=[0 0 1]';
        case 3
            T(:,3)=[0 1 0]';
        case 4
            T(:,4)=[0 1 0]';
    end
end              
net=newrbe(p,T,100);     % 創建RBF網絡并訓練，訓練次數應適當大，否則會識別錯誤