%
% 針對一組輸入向量，設計一個LVQ神經網絡，經過訓練后，能對給定數據進行模式識別。
%
%輸入向量P及其對應的類別向量C
P=[-6 -4 -2  0 0 0 0 2 4 6; 0 2 -2 1 2 -2 1 2 -2 0];
C=[1 1 1 2 2 2 2 1 1 1];
%將類別向量C轉換為目標向量T
T=ind2vec(C);
%繪制輸入向量P，如圖2-26所示，用顏色將輸入向量分為兩類
plotvec(P,C,'*r');
%輸入向量繪制在一個橫坐標在[-8 8]之間，縱坐標在 [-3 3]之間的坐標平面內
axis([-8 8 -3 3]);
%創建一個LVQ神經網絡，隱含層有5個神經元，[0.6 0.4]表示在隱含層的權值中，有60%的
%列的第一行的值為1，40%的列的第一行值為1，也就是說有60%的列屬于第一類，40%屬于
%第二類，網絡的其他參數取默認值
net = newlvq(minmax(P),5,[0.6 0.4]);
net.trainParam.epochs=100;
net=train(net,P,T);
%給定數據，輸出網絡的分類結果測試網絡的性能
p=[0 1;0.2 0];
y=sim(net,p);
yc=vec2ind(y)