写一个实现训练RBF神经网络的MATLAB程序

以下是一个简单的MATLAB程序，用于训练RBF神经网络：

% 首先，读入数据集并进行预处理
load('data.mat'); % data.mat包含训练集和测试集
train_X = normalize(train_X); % 将训练集进行归一化处理
test_X = normalize(test_X); % 将测试集进行归一化处理
train_Y = categorical(train_Y); % 将训练集标签转换为分类变量
test_Y = categorical(test_Y); % 将测试集标签转换为分类变量

% 然后，定义RBF神经网络的结构
hidden_units = 10; % 隐藏层神经元数量
output_units = numel(categories(train_Y)); % 输出层神经元数量
rbf_net = newrb(train_X',train_Y',0,1,hidden_units,1); % 创建RBF神经网络

% 接下来，训练RBF神经网络
rbf_net.trainFcn = 'trainscg'; % 使用SCG算法进行训练
rbf_net.trainParam.epochs = 100; % 训练100轮
rbf_net = train(rbf_net,train_X',train_Y'); % 训练RBF神经网络

% 最后，测试RBF神经网络的性能
y_pred = round(sim(rbf_net,test_X')); % 使用测试集评估RBF神经网络
accuracy = sum(y_pred == test_Y')/numel(test_Y); % 计算测试集准确率
disp(['测试集准确率: ',num2str(accuracy*100),'%']); % 显示测试集准确率

这个程序假设你已经有一个名为"data.mat"的数据集文件，其中包含了训练集和测试集。你需要将这个程序保存为一个.m文件，并确保你的MATLAB工作目录中包含了"data.mat"文件。