用opencv写的BP程序，不知道opencv里面是怎样实现的，结果还行。就是具体的误差曲线，交叉验证没做到

#include"highgui.h"
#include "cv.h"
#include "ml.h"
#include"cxcore.h"
#include<stdio.h>
#pragma comment(lib,"cv210d.lib")
#pragma comment(lib,"highgui210d.lib")
#pragma comment(lib,"cxcore210d.lib")
#pragma comment(lib,"ml210d.lib")

///定义一个神经网络的类
//用的数据是UCI的iris的数据
CvANN_MLP ML;
int flag ;
void machinetrain()
{
 int sample_count;

    float data[150][7];
    FILE*fp = fopen("train2.txt","r");
 fscanf(fp,"%d",&sample_count);
 printf("Find %d samples\n",sample_count);
 ///创建神经网络基本框架
 CvMat *traindatas   = cvCreateMat(sample_count,4,CV_32FC1);
 CvMat *trainout     = cvCreateMat(sample_count,3,CV_32FC1);
 CvMat *netrulweight = cvCreateMat(sample_count,1,CV_32FC1);
 CvMat *netrullayers = cvCreateMat(3,1,CV_32SC1);

   ///设置神经网络的输入，隐层，输出的神经元的个数
   cvSet1D(netrullayers,0,cvScalar(4));
   cvSet1D(netrullayers,1,cvScalar(10));
   cvSet1D(netrullayers,2,cvScalar(3));
  
   ///读入训练的数据
   for(int i=0;i<sample_count;i++)
   {
    for(int j=0;j<7;j++)
    {
     fscanf(fp,"%f,",&data[i][j]);
   
         printf("%f ",data[i][j]);
   /* if ( (j+1)%4==0 )
     { printf("\n");}*/

    
    }
///为什么加了这句我输出不了前面的sample_count那些数值呢？？？？？是从第二行开始输入的 好奇怪啊！！！！
   printf("\n");
    }
   fclose(fp);
 

   ///把读入的数据依次赋给输入矩阵和输出矩阵
   for(int i=0;i<sample_count;i++)
   {
    for(int j=0;j<4;j++)
         cvSetReal2D(traindatas, i, j, data[i][j]);
   }

   for(int i=0;i<sample_count;i++)
   {
    for(int j=4;j<7;j++)
          cvSet2D( trainout, i,j-4, cvScalar(data[i][j]) );
   }
   
   for(int i=0;i<sample_count;i++) 
   cvSet1D(netrulweight,i,cvScalar(1));///初始权重全设为1

 

   /*void create( const CvMat* _layer_sizes,
             int _activ_func=SIGMOID_SYM,
    double _f_param1=0, double _f_param2=0 );*/

   ML.create(netrullayers);///调用库文件里的成员函数

   /* int train( const CvMat* _inputs, const CvMat* _outputs,
     const CvMat* _sample_weights, const CvMat* _sample_idx=0,
                 CvANN_MLP_TrainParams _params = CvANN_MLP_TrainParams(),
                 int flags=0 );*/

   ML.train(traindatas,trainout,netrulweight,0,
      CvANN_MLP_TrainParams(
   cvTermCriteria( CV_TERMCRIT_ITER+CV_TERMCRIT_EPS,///迭代类型
   1000,///迭代次数
   0.000001),///误差
   CvANN_MLP_TrainParams::BACKPROP,///BP神经网络
   0.01,0.05),0);///调用库文件里的成员函数

   cvReleaseMat(&traindatas);
   cvReleaseMat(&trainout);
   cvReleaseMat(&netrulweight);
   cvReleaseMat(&netrullayers);
}
   ///根据训练的神经网络预测输出
   void predict(CvMat * data)
   {  

    CvMat *output = cvCreateMat(1,3,CV_32FC1);

   ML.predict(data,output);///调用库文件里的成员函数
 
 /* double *min_val = 0;
  double *max_val = 0;
  CvPoint *min_loc = 0,*max_loc = 0;
  cvMinMaxLoc(output,min_val,max_val);
  printf(" %f",*max_val);
       //printf("%d",*max_val);*/
 
      int best = 0;
   float max = output->data.fl[0];
   printf("%f ",max);
   float outdata[3];
 
  for(int i=1;i<3;i++)
  {
   printf("%f ",output->data.fl[i]);
   outdata[i] = output->data.fl[i];
   if(outdata[i]>max)
   {
    max = outdata[i];
       best = i;
   }
  }
    printf("\n");
    printf("%d %f\n",best+1,max);
    flag = best+1;

    cvReleaseMat(&output);
 

     }

  ///主函数：
   int main(int argc,char *argv[])
   {

     machinetrain();
 /* float value[4]= {6.5,3.0,5.0,2.1};
  CvMat inputdata;
  cvInitMatHeader(&inputdata,1,4,CV_32FC1,value);

  predict(&inputdata);*/
  float test_data[30][4];
  FILE *fp = fopen("test2.txt","r");
  CvMat *test_mat = cvCreateMat(30,4,CV_32FC1);
  for(int i=0;i<30;i++)
  { for(int j=0;j<4;j++)
     {
     fscanf(fp,"%f,",&test_data[i][j]);
  cvSetReal2D(test_mat,i,j,test_data[i][j]);
      }
 
  }
 

  CvMat mmat=cvMat(30,4,CV_32FC1, test_data);
  CvMat *mat=&mmat;
  CvMat *rowmat = cvCreateMat(1,4,CV_32FC1);
     //CvMat *submat=cvCreateMat(3,4,CV_32FC1);
  CvMat submat;
  int count1=0,count2=0,count3 = 0;
  for(int i=0;i<30;i++)
  {
  rowmat = cvGetRow(mat,&submat,i);//取第i行
   if(i>=0&&i<10)
   {
    predict(rowmat);
       if(flag!=1)
     count1++;
   }
   if(i>=10&&i<20)
   {
    predict(rowmat);
       if(flag!=2)
     count2++;
   }
   if(i>=20&&i<30)
   {
    predict(rowmat);
       if(flag!=3)
     count3++;
   }
  }
 double mse;
 mse = (count1+count2+count3)/30.0;
   printf("误差为 ：%f\n",mse);
  
  cvReleaseMat(&test_mat);
  //cvReleaseMat(&rowmat);
  //cvReleaseMat(&mat);
 
  
     return 0;
   }