资源描述：
《matlab数据归一化》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、http://blog.sina.com.cn/s/blog_48ee23c80100rmkx.html第二节、神经网络实现 1. 数据预处理 在训练神经网络前一般需要对数据进行预处理，一种重要的预处理手段是归一化处理。下面简要介绍归一化处理的原理与方法。(1) 什么是归一化？ 数据归一化，就是将数据映射到[0,1]或[-1,1]区间或更小的区间，比如(0.1,0.9)。(2) 为什么要归一化处理？ <1>输入数据的单位不一样，有些数据的范围可能特别大，导致的结果是神经网络收敛慢、训练时间长。<2>数据范围大的输入在模式分类中的作用可能会偏大
2、，而数据范围小的输入作用就可能会偏小。<3>由于神经网络输出层的激活函数的值域是有限制的，因此需要将网络训练的目标数据映射到激活函数的值域。例如神经网络的输出层若采用S形激活函数，由于S形函数的值域限制在(0,1)，也就是说神经网络的输出只能限制在(0,1)，所以训练数据的输出就要归一化到[0,1]区间。<4>S形激活函数在(0,1)区间以外区域很平缓，区分度太小。例如S形函数f(X)在参数a=1时，f(100)与f(5)只相差0.0067。(3) 归一化算法 一种简单而快速的归一化算法是线性转换算法。线性转换算法常见有两种形式： <1>y=
3、(x-min)/(max-min) 其中min为x的最小值，max为x的最大值，输入向量为x，归一化后的输出向量为y。上式将数据归一化到[0,1 ]区间，当激活函数采用S形函数时（值域为(0,1)）时这条式子适用。 <2>y=2*(x-min)/(max-min)-1 这条公式将数据归一化到[-1,1]区间。当激活函数采用双极S形函数（值域为(-1,1)）时这条式子适用。(4)Matlab数据归一化处理函数 Matlab中归一化处理数据可以采用premnmx，postmnmx，tramnmx这3个函数。<1>premnmx语法：
4、[pn,minp,maxp,tn,mint,maxt] = premnmx(p,t)参数：pn：p矩阵按行归一化后的矩阵minp，maxp：p矩阵每一行的最小值，最大值http://blog.sina.com.cn/s/blog_48ee23c80100rmkx.htmltn：t矩阵按行归一化后的矩阵mint，maxt：t矩阵每一行的最小值，最大值作用：将矩阵p，t归一化到[-1,1]，主要用于归一化处理训练数据集。<2>tramnmx语法：[pn]=tramnmx(p,minp,maxp)参数：minp，maxp：premnmx函数计算的矩阵的最小，最大值
5、pn：归一化后的矩阵作用：主要用于归一化处理待分类的输入数据。<3>postmnmx语法：[p,t]=postmnmx(pn,minp,maxp,tn,mint,maxt)参数：minp，maxp：premnmx函数计算的p矩阵每行的最小值，最大值mint，maxt：premnmx函数计算的t矩阵每行的最小值，最大值作用：将矩阵pn，tn映射回归一化处理前的范围。postmnmx函数主要用于将神经网络的输出结果映射回归一化前的数据范围。http://www.ilovematlab.cn/thread-27021-1-1.html数据归一化汇总========
6、===外一篇有关mapminmax的用法详解byfaruto==================================几个要说明的函数接口:[Y,PS]=mapminmax(X)[Y,PS]=mapminmax(X,FP)Y=mapminmax('apply',X,PS)X=mapminmax('reverse',Y,PS)用实例来讲解,测试数据x1=[124],x2=[523];>>[y,ps]=mapminmax(x1)y= -1.0000 -0.3333 1.0000ps= name:'mapminmax' xrows:1
7、 xmax:4 xmin:1 xrange:3 yrows:1 ymax:1 ymin:-1 yrange:2其中y是对进行某种规范化后得到的数据,这种规范化的映射记录在结构体ps中.让我们来看一下这个规范化的映射到底是怎样的?AlgorithmItisassumedthatXhasonlyfiniterealvalues,andthattheelementsofeachrowarenotallequal.·y=(ymax-ymin)*(x-xmin)/(xmax-xmin)+ymin;·[关于此算法的一个问题.算法的假设是
8、每一行的元素都不想相同,那如果都相同怎么办?实现的办
