4.2nnToolKit函数库
?Gafitness
?功能遗传算法的适应值计算函数。?格式f = Gafitness(y)。?说明通过染色体个体计算染色体适应度，参数说明如下：(1) y 输入参数，染色体个体。(2) f 输出参数，染色体适应度。?Generatesample
?功能训练样本生成函数。?格式[ ] = Generatesample(path)。?说明在指定路径生成适合于训练的样本，参数说明如下：path 输入参数，指定路径，用于保存样本文件。?GetWBbyga
?功能获取遗传神经网络权值阈值参数函数。?格式[ W1, B1, W2, B2 ] = GetWBbyga(paraments)。?说明用遗传算法获取神经网络权值阈值参数，参数说明如下：paraments 输入参数，遗传算法的参数信息：[遗传代数最小适应值]。4.2nnToolKit函数库
?Segment
?功能图像分割函数。?格式[bw] = Segment(net,img)。?说明利用训练好的神经网络进行分割图像，参数说明如下：(1) net 输入参数，已经训练好的神经网络。(2) img 输入参数，要分割的图像。(3) bw 输出参数，分割后的二值图像。?Gabptrain
?功能结合遗传算法的神经网络训练函数。?格式[net] = Gabptrain(gaP,bpP,P,T)。?说明程序运行前需将ch3\\遗传算法工具箱加入到MATLAB的搜索路径中（方法：File?Set Path，增加目录到MATLAB的搜索路径，然后保存），函数参数说明如下：(1) gaP 输入参数，遗传算法的参数信息：[遗传代数最小适应值]。(2) bpP 输入参数，神经网络参数信息：[最大迭代次数最小误差]。(3) P 输入参数，样本数组。(4) T 输入参数，目标数组。(5) net 输出参数，训练好的网络结构。4.2nnToolKit函数库?例4-9 对ch4\\nnToolKit工具箱\\gabp文件夹中文件(data\\sample.mat)提供的样本数据，用结合遗传算法的神经网络进行训练。% 结合遗传算法的神经网络训练function [ net ] = gabptrain( gaP,bpP,P,T )%%%% 输入参数赋值开始 %%%%%%%%%%%%%%%%%%%%%%%% 方便调试程序用，程序调试时去掉这部分的注释gaP = [100 0.00001]; % gaP 为遗传算法的参数信息.[遗传代数 最小适应值]。bpP = [500 0.00001]; % bpP 为神经网络参数信息。[最大迭代次数 最小误差]generatesample('data\\sample.mat'); % 产生样本数组P和目标数组T%%%% 输入参数赋值结束 %%%%%%%%%%%%%%%%%%%%%%%%[W1, B1, W2, B2] = getWBbyga(gaP);net = initnet(W1, B1, W2, B2,bpP);net = train(net,P,T);4.2nnToolKit函数库
?Compbpandgabp
?功能传统BP和遗传BP训练示例程序。?格式retstr = Compbpandgabp()。?说明对于指定的样本数据，分别用传统BP算法和遗传BP算法进行训练，相比之下，用传统BP训练，可能收敛不到目标值，或者收敛步数太长，而用遗传BP算法进行训练，遗传算法寻找最优权值阈值会用一些时间，但比BP的训练还是快，在很短的时间内就能收敛到目标值。程序运行前需将ch3\\遗传算法工具箱加入到MATLAB的搜索路径中（方法：File?Set Path，增加目录到MATLAB的搜索路径，然后保存）。