4.2nnToolKit函数库
?例4-2 输入一组测试样本数据，对例4-1训练的网络模型进行仿真
%此为一仿真程序%首先读入权域值参数function retdouble = LmSimu(ModelNo,NetPara,SimulatePara,InputFun,OutputFun,DataDir)NNTWARN OFF%%%% 输入参数赋值开始 %%%%%%%%%%%%%%%%%%%%%%%% 这部分代码主要是方便用户调试用ModelNo='1';NetPara(1)=7;4.2nnToolKit函数库
?SofmTrain
?功能自组织特征映射网络训练函数。?格式retstr = ofmTrain(ModelNo,NetPara,TrainPara,DataDir)?说明完成分类训练，并保存权值和分类后各类别下的像素矩阵，各参数说明如下：（1）ModelNo 输入参数，模型编号。（2）NetPara 输入参数，网络参数，包括输入层结点数，分类数，训练数据组数。（3）TrainPara 输入参数，网络训练参数，包括训练过程显示频率，最大训练步数，学习率。（4）DataDir 输入参数，当前应用程序路径。4.2nnToolKit函数库
?例4-3 对ch4\\nnToolKit工具箱\\sofm文件夹中的数据文件(input_para1.txt)进行自组织特征映射网络训练，以便实现对其数据进行分类。
% 自组织特征映射模型(Self-Organizing feature Map)，认为一个神经网络接受外界输入模式时，将会分为不同的区域，各区域对输入模式具有不同的响应特征，同时这一过程是自动完成的。各神经元的连接权值具有一定的分布。最邻近的神经元互相刺激，而较远的神经元则相互抑制，更远一些的则具有较弱的刺激作用。自组织特征映射法是一种无教师的聚类方法。% 此为Sofm网络训练程序function retstr =SofmTrain(ModelNo,NetPara,TrainPara,DataDir)NNTWARN OFFretstr=-1;%%%% 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ModelNo='1';% 网络参数NetPara(1)=1; %输入层节点数4.2nnToolKit函数库
?SofmSimu
?功能自组织特征映射网络仿真函数。?格式retstr = SofmSimu(ModelNo,NetPara,SimuData,DataDir)?说明根据训练好的网络模型，对预测数据进行分类识别，各参数说明如下：(1) ModelNo 输入参数，模型编号。(2) NetPara 输入参数，网络参数，包括输入层结点数，分类数，训练数据组数。(3) SimuData 输入参数，网络仿真数据。(4) DataDir 输入参数，当前应用程序路径。
