基于matlab利用perceptron进行鸢尾花分类的代码，不能使用matlab自带的神经网络算法工具箱

好的，以下是基于matlab实现感知机算法进行鸢尾花分类的代码：

% 加载数据集
load fisheriris.mat
X = meas(1:100, 1:2);
Y = (1:100)';

% 感知机算法
[m, n] = size(X);
w = zeros(n, 1);
b = 0;
flag = true;
while flag
    for i = 1:m
        if Y(i) * (w' * X(i,:)' + b) <= 0
            w = w + Y(i) * X(i,:)';
            b = b + Y(i);
            break;
        end
        if i == m
            flag = false;
        end
    end
end

% 绘制分类边界
x1 = linspace(min(X(:,1))-1, max(X(:,1))+1, 100);
x2 = (-b - w(1)*x1) / w(2);
figure;
plot(X(1:50,1), X(1:50,2), 'bo');
hold on;
plot(X(51:100,1), X(51:100,2), 'rx');
plot(x1, x2, 'g');
legend('setosa', 'versicolor', 'boundary');
xlabel('Sepal length');
ylabel('Sepal width');

代码思路如下：

1. 加载鸢尾花数据集，选择前100个样本，并将前50个样本标记为1，后50个样本标记为-1。

2. 初始化权重向量w和偏置b。

3. 判断每个样本是否被正确分类，如果没有则更新w和b。

4. 当所有样本都被正确分类时，停止更新。

5. 绘制分类边界。

需要注意的是，这里只使用了前两个特征来进行分类，如果需要使用更多特征，需要对代码进行相应修改。同时，感知机算法只适用于线性可分的情况，对于非线性可分的数据集，需要使用其他算法。