matlab中使用bp神经网络完成分类问题

训练集：27*2500矩阵

训练集有2500个样本，每个样本27个属性，矩阵的每一列表示一个样本集

标签：30*2500矩阵

对应2500个标签，30类，若为该类，则该类数字为1，其余为零。例【1，0，0，0】四类中的类一

神经网络训练

load labeltr.mat;
load traintr.mat;
%save test.mat;
%save label.mat;%必须为行向量
pr=traintr';%赋值
tr1=labeltr';
[pr1,ps]=mapminmax(pr);%归一化处理，范围-1~1，返回值数据test1，归一化参数ts
net=newff(pr1,tr1,15);%创建网络，隐层经验公式9-17
net.trainParam.epochs=10000;
net.trainParam.goal=1e-7;
net.trainParam.lr=0.01;%学习率
net.trainParam.mc=0.9;%动量因子设置1
net.trainParam.show=25;%显示的间隔次数
[net,tr]=train(net,pr1,tr1);%训练神经网络
youtput=sim(net,pr1);
save youtput

归一化处理训练集mapminmax（属性的归一化）

创建神经网络newff

设置训练参数

训练神经网络train（网络，训练集，训练标签），train会自动将训练集按一定比列划分，训练出模型，不需要额外的验证集和测试集，训练完成后再给测试集，归一化后送入神经网络，得到输出结果

准确性评估

load labeltr.mat
load youtput.mat
tr1=labeltr';
acc=0;
count=length(youtput);
[max_y,indexy]=max(youtput);
[max_l,indexl]=max(tr1);
for i=1:count
    if indexy(i)==indexl(i)
    %if indexy(i)==indexl(i)||indexy(i)==indexl(i)+1||indexy(i)==indexl(i)-1
        acc=acc+1;
    end
end
accuracy=acc/count;

计算出分类准确的数目，算出准确率。

我用的训练集和测试集为同一数据，为何训练出的网络对测试集分类准确率还是不高？

路过大神请指教。。。。