- 博客(4)
- 收藏
- 关注
RSS订阅原创 模式识别 实验四 手写数字识别的神经网络算法设计与实现
实验四 手写数字识别的神经网络算法设计与实现 一、实验目的 通过学习BP神经网络技术，对手写数字进行识别，基于结构的识别法及模板匹配法来提高识别率。 二、实验器材 PC机 matlab软件 三、实验内容 按照BP神经网络设计方法选用两层BP网络，构造训练样本集，并构成训练所需的输入矢量和目标向量，通过画图工具，获得数字原始图像，截取图像像素为0的最大矩形区域，经过集合变换，变成1616的二值图像，再进行反色处理，其图像数据特征提取为神经网络的输入向量。通过实验证实，BP神经网络应用于手写数字识别具有
2021-11-22 12:35:32
1230
原创 模式识别 实验三 最新错误的贝叶斯分类
实验三 最小错误的贝叶斯分类 实验内容： 利用贝叶斯后验概率确定分类： 设有19人进行体检，结果如下表。但事后发现4人忘了写性别，试问，这4人是男是女？ C=2。男—1类，女—2类。 代码实现： clear; clc; %% 加载样本dataset，包含训练数据和测试数据,数据shape为[样本数，特征维数] %% load('dataset.mat'); train_data = [A_train;B_train;C_train;D_train]; test_data = [A_test;B_tes
2021-11-22 12:05:30
182
原创 模式识别 实验二 势函数算法的迭代训练
一．实验目的 通过本实验的学习，使学生了解或掌握模式识别中利用势函数思想设计非线性判别函数的方法，能够实现模式的分类。学会运用已学习的先导课程如数据结构和算法设计知识，选用合适的数据结构完成算法的设计和程序的实现。并通过训练数据来建立非线性判别函数,通过代待分类样本进行分类预测,通过检查预测结果和数据的几何分布特性检验分类器的正确性。通过选用此种分类方法进行分类器设计实验，强化学生对非线性分类器的了解和应用，从而牢固掌握模式识别课程内容知识。 二．实验内容 假定对病人3项主要指标检查得到正常（类）和非正常（
2021-10-27 23:06:38
174
原创 模式识别 实验一 最大最小距离法
实验一 最大最小距离法 一．实验目的 本实验的目的是使学生了解最大最小距离法聚类方法，掌握最大最小距离聚类分析法的基本原理，培养学生实际动手和思考能力，为数据分析和处理打下牢固基础。 二．最大最小距离聚类算法 该算法以欧氏距离为基础，首先辨识最远的聚类中心，然后确定其他的聚类中心，直到无新的聚类中心产生。最后将样本按最小距离原则归入最近的类。 例：样本分布如图所示： 三. 实验代码 测试代码：test.m： clear all clc x=[0,0; 3,8; 2,2;1,1; 5,3; 4
2021-10-13 22:35:49
685
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人