我使用Matlab神经网络工具箱在包含语音特征和加速度计测量的数据集上训练了一个前馈神经网络。目标集包含数据集的两个目标类别：0和1。训练、验证和性能都很好，我已经为这个网络生成了代码。

现在我需要在实时系统中使用这个神经网络来识别模式，并在测试新数据集时根据之前训练的神经网络生成0或1。但是当我发出以下命令时：

   c = sim(net, j)

其中“j”是一个新的数据集[24×11]；我得到的输出不是0或1，而是这样的结果（我认为我得到的是正确分类的百分比，但没有分类结果本身）：

c =  Columns 1 through 9    0.6274    0.6248    0.9993    0.9991    0.9994    0.9999    0.9998    0.9934    0.9996  Columns 10 through 11    0.9966    0.9963

那么有没有什么命令或方法可以让我实际看到分类结果？任何帮助都非常感激！谢谢

回答：

我不是Matlab用户，但从逻辑上看，你忽略了一个重要点：

神经网络的输入是一个单一向量，你传递的是一个矩阵。因此，Matlab认为你想要对一组向量（在你的例子中是11个）进行分类。所以你得到的向量是这11个向量的输出激活值。

输出激活值是一个介于0和1之间的值（我猜你使用的是sigmoid函数），这是完全正常的。你的任务是找到一个最适合你数据的阈值。你可以通过在训练/测试数据上进行交叉验证来获得这个阈值，或者简单地选择一个（0.5？）并查看结果是否“好”，如果需要再进行调整。