神经网络数据归一化——利用matlab的mapminmax解决tramnmx的bug

当对数据进行预测时，往往要添加一些新的数据，即新的训练集，通常在BP神经网络中要对数据进行归一化处理，使训练集落在[-1,1]的区间之内。在以前的matlab版本中，使用函数tramnmx函数在之前归一化的训练集基础上再进行归一化处理。tramnmx(A,minp,maxp)中的minp和maxp仍然是前一组训练集的最小值和最大值，如果新增训练集大于maxp，那么按照归一化的函数运算完以后数据已经超出了[-1,1]的区间范围，此时失去了归一化的意义。新版本matlab提供mapminmax函数，该函数一般调用格式为[y,ps]=mapminmax(A,ymin,ymax)或者[y,ps]=mapminmax(A)，如果不指定ymin和ymax的值，则函数默认ymin=-1,ymax=1。函数功能是将矩阵A中每一行元素按照ymin最小值和ymax最大值进行归一化处理，ymin和ymax是每一行的最小值和最大值，ps是训练样本的数据的映射，包含了A的最大最小值，y的最大最小值等。对于mapminmax()函数，其归一化函数如下：



下图是改进后的新增训练集的归一化处理结果：

下图是原程序新增训练集的归一化处理的结果：

显然，用tramnmx函数并未达到归一化的目的！