- 博客(4)
- 收藏
- 关注
RSS订阅原创 实验四 手写数字识别的神经网络算法设计与实现
1.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。 2.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16*16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较高的识别率和可靠性。 3.实验原理 BP算法由数据流的前向计算(正向传播)和误差
2021-11-22 08:05:14
1516
原创 实验三、最小错误率的贝叶斯分类
1.实验内容 1） 最小错误贝叶斯分类器原理 在对模式进行识别时，在存在模棱两可的情况下，任何决策都存在判别错误的可能性。最小错误贝叶斯决策就是以错误率为自小的分类规则。使用p(e)表示错误概率，那么最小错误贝叶斯分类器的目的就是minp(e). 对于两种模式，其中：即x属于第一类，判别为第二类的概率，x属于第二类，判别为第一类的概率。可以看出使错误率最小的决策就是使后验概率最大的决策，因此最小错误率贝叶斯决策可写为：其中，后验概率的计算使用贝叶斯公式计算，因此要已知先验概率p(ωi)以及类条件概率密度
2021-11-21 22:48:14
2060
1
原创 实验二 势函数算法的迭代训练预习报告
1.基本思想 空间会形成一个“高地”，这些样本点所处的位置就是“山头”。同理，用电位的几何分布来看待属于ω2的模式样本，在其附近空间就形成“凹地”。只要在两类电位分布之间选择合适的等高线，就可以认为是模式分类的判别函数。模式分类的判别函数可由分布在模式空间中的许多样本向量{xk, k=1,2,…且 }的势函数产生。 任意一个样本所产生的势函数以K(x, xk)表征，则判别函数d(x)可由势函数序列K(x, x1)， K(x, x2)，…来构成，序列中的这些势函数相应于在训练过程中输入机器的训练模式...
2021-10-27 20:33:23
123
原创 最大最小距离法实验
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 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： 最大最小距离聚类算法步骤如下： 测试代码： clc close all; x=xlsread(‘myte..
2021-10-13 20:27:01
206
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