形态等位点对迭代次数的贡献

用神经网络分类8123*11和8123*99，在收敛误差一致的情况下他们的迭代次数之间有什么关系？哪个迭代次数更大些？

移位距离和假设

(A，B)---m*n*k---(1,0)(0,1)

用神经网络分类A和B，把参与分类的A和B中的数字看作是组成A和B的粒子，分类的过程就是让A和B中的粒子互相交换位置，寻找最短移位路径的过程。而熵H与最短移位距离和S成正比，迭代次数n与熵H成反比。

移位规则汇总

移位距离就是等位点数值差的绝对值的和S=Σ|a-b|

如对一组3*3的矩阵

S=s0+s1+，…，+s8=|a0-b0|+|a1-b1|+,…,+|a8-b8|

按照移位假设8123*11和8123*99在收敛误差一致的情况下，迭代次数应该是相同的。因为他们的移位距离相同

8123*11的移位距离和是

S=|0.8-1|+|1-1|+|0.1-0.1|+

|1-1|+|1-1|+|1-1|+

|0.1-1|+|0.2-1|+|0.3-1|=4-0.8-0.6=2.6

而8123*99的移位距离和是

S=|0.8-1|+|1-1|+|0.9-0.9|+

|1-1|+|1-1|+|1-1|+

|0.1-1|+|0.2-1|+|0.3-1|=4-0.8-0.6=2.6

他们的移位距离和均为2.6.因此迭代次数应该相同。

这次实验就验证这一猜测

分类8123*11，8123*22，8123*33，8123*44.他们的移位距离是相同的都是2.6.得到的迭代次数为

	8123*11	8123*22	8123*33	8123*44
δ	迭代次数n	迭代次数n	迭代次数n	迭代次数n
5.00E-04	28603.35	28545.91	28757.77	28344.9
4.00E-04	34625.89	34729.52	34516.93	34997.65
3.00E-04	45374.34	45524.27	45212.81	45154.62
2.00E-04	65231.52	66036.44	65574.76	65267.41
1.00E-04	124208.3	124424.7	125015	124152.1
s	2.6	2.6	2.6	2.6

画成图可以看到这4条线很一致。

继续第二组

分类8123*55，8123*66，8123*77，8123*88，8123*99.他们的移位距离也都是2.6.得到的迭代次数为

	8123*11	8123*22	8123*33	8123*44	8123*55	8123*66	8123*77	8123*88	8123*99
δ	迭代次数n	迭代次数n	迭代次数n	迭代次数n	迭代次数n	迭代次数n	迭代次数n	迭代次数n	迭代次数n
5.00E-04	28603.35	28545.91	28757.77	28344.9	28558.9	28141.44	28592.52	28432.22	28194.89
4.00E-04	34625.89	34729.52	34516.93	34997.65	34736.83	34734.26	34577.22	34549.79	34867.53
3.00E-04	45374.34	45524.27	45212.81	45154.62	44891.26	44963.22	44687.14	44947.81	44779.31
2.00E-04	65231.52	66036.44	65574.76	65267.41	65147.53	64966.61	65532.85	65722.28	66023.59
1.00E-04	124208.3	124424.7	125015	124152.1	124749.6	124486.4	123958.4	123955.7	123733.3
s	2.6	2.6	2.6	2.6	2.6	2.6	2.6	2.6	2.6

选择收敛误差为3e-4，2e-4，1e-4的3组值横向比较，曲线很平直。当收敛误差为1e-4的时候，最大值125015和最小值123733之间仅相差约1%。因此这一实验验证了假设，认为8123*11和8123*99的迭代次数是相同的是一种方便而实用的观点。

并且这一实验也验证了决定迭代次数的不是图片像素的数值，而是等位点像素的差值。如果等位点的像素值相同他们对迭代次数没有贡献。因为神经网络的训练过程就是在寻找两个形态之间相互变换的方法。如果等位点的数值相同就无需变换，因此对迭代次数没有影响。