基于 ANN 与 KNN 的图像分类

完整资料进入【数字空间】查看——搜索"writebug"

1.1 摘要
当下人工智能行业发展迅猛，在各个领域都有涉及。人工智能的一大用处就是分类操作，在智能分类领域中，人工智能可以进行科学的模拟操作，以达到人们的相关需求。

在本次大作业中，需要使用相关的分类器，对 200 类比的图片进行分类。首先我们选择了 ANN 模型即人工神经网络模型，这个模型使用神经网络技术模拟人体神经网络进行相关的训练，是对人脑组织结构和运行机制的某种抽象、简化和模拟。因此与传统的数据处理方法相比，神经网络技术在处理模糊数据、随机性数据、非线性数据方面具有明显优势，对规模大、结构复杂、信息不明确的系统尤为适用。

然后我们选择了 KNN 模型，即 K 最近邻（KNN，K-NearestNeighbor）分类算法。是数据挖掘分类技术中最简单的方法之一。是使用纯数学方法的适用于样本容量比较大的类域的自动分类方法。

因为图片样本的相关特征已经提取出来，而且标签也已经得到了标注，所以我们只需要进行构建分类器并训练的操作即可。我们使用以上两种模型进行构建分类，并观察相关参数对结果指标的影响，最后得出结论。