单层感知器应用实例--坐标点的二分类模式分类

 坐标点的二分类用MATLAB代码实现

n=0.1;//学习率
w=[0,0,0];
P=[-9,1,-12,-4,0,5;15,-8,4,5,11,9];
d=[0,1,0,0,0,1];
P=[ones(1,6);P];
MAX=20;
 i=0;
 while 1%迭代
v=w*P;%输入
y=hardlim(v);%输出
e=(d-y);%误差
ee(i+1)=mae(e);%误差更新
if(ee(i+1)<0.001)
disp('we have got it');
disp(w);
break;
end
w=w+n*(d-y)*P';%阈值更新
i=i+1;
if(i>=MAX)
disp('MAX times loop');
disp(w);
disp(ee(i+1));
break;
end
end
subplot(2,1,1);
plot([-9，-12 -4 0],[15, 4 5 11],'o');
hold on;
plot([1,5],[-8,9],'*');
axis([-13,6,-10,16]);
legend('第一类','第二类');
title('6个坐标点的二分类');
 x=-13:.2:6;
 y=x*(-w(2)/w(3)-w(1)/w(3));
 plot(x,y);
 hold off;
 subplot(2,1,2);
 x=0:i;
 plot(x,ee,'o-');
 s=sprintf('mae的值（迭代次数：%d）',i+1);
 title(s);

现象如下图所示

修改问题的期望输出可化成线性不可分问题，这也是单层感知器的缺陷所在。修改迭代次数，学习效率，验证不同结果。