1 简介随着科学技术的不断更新发展,人们在工作生活中越来越依赖计算机.人们希望把传统手写办公和计算机办公有机结合起来.为解决这一问题,手写数字识别为大家提供了一个新方向.高精确度和高效率办公与学习是人们日常工作生活中孜孜不倦追求的目标.随着网络信息技术的不断发展,深度学习逐渐被大家熟悉及利用,其中卷积神经网络在一系列计算机领域中取得了突破性进展.然而,手写数字识别由于其自身特点和复杂性,无论在技术
原创
2021-12-25 00:43:07
553阅读
一、简介随着科学技术的不断更新发展,人们在工作生活中越来越依赖计算机.人们希望把传统手写办公和计算机办公有机结合起来.为解决这一问题,
原创
2022-01-11 11:26:11
464阅读
一、简介随着科学技术的不断更新发展,人们在工作生活中越来越依赖计算机.人们希望把传统手写办公和计算机办公有机结合起来.为解决这一问题,手写数字识别为大写数字识别由于其自身特点和复杂性,无论在技术领域还是在应用领域,仍然存在很大的发展空间.通过Softmax函数进行minist数据分类。二、部分源代码
原创
2022-01-23 11:41:15
215阅读
我们知道SVM的基本原理就是找一个超平面（广义平面）将样本分为几个部分，即分类。MATLAB中自带SVM包，使用起来也十分方便，假如X是特征矩阵，Y是分类标签（可以是数值（1、2）也可以是string，总之有区别就行。）二分类代码SVMModel = fitcsvm(X,y) %训练分类器
CVSVMModel = crossval(SVMModel); %分类器的交叉验证
classLoss
转载
2024-05-14 14:09:46
266阅读
第二讲 图像分类概述目标检测等方向本质是图像分类一个通道由三个RGB矩阵构成，其中的像素点是[0,255],像素点值是0-2^8其中目标的图像可能只占一部分，但是也要可以识别： 图像分类是一个黑盒，不能像计算公式那样明显的推导，不能人工构建特征，需要用大量图片灌输，形成特征如果手动构建，人类无法详细的描述特征，也不能高效的构建所以就要用到机器学习的数据驱动方法： &
最大类间方差法：基本思路是根据直方图以某一会灰度为阈值将图像分割成两部分，计算两组的方差，当被分成的两组之间的方差最大时，这个灰度为阈值灰度值img = imread('C:\Users\dell\Desktop\前单图\3.3.JPG');%原图
I_gray=rgb2gray(img);%转换为灰度图
subplot(121),imshow(img);
%转换为双精度
I_d
【火炉炼AI】机器学习030-KNN分类器模型的构建(本文所使用的Python库和版本号: Python 3.6, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2 )KNN(K-nearest neighbors)是用K个最近邻的训练数据集来寻找未知对象分类的一种算法。其基本的核心思想在我的上一篇文章中介绍过了。 1. 准备数据集此处我的数据集准备包括数
转载
2024-07-05 13:09:11
84阅读
function rate = KNN(Train_data,Train_label,Test_data,Test_label,k,Distance_mark);
% K-Nearest-Neighbor classifier(K-NN classifier)
%Input:
% Train_data,Test_data are training data set and test dat
转载
2024-04-25 10:46:35
111阅读
一、模式识别神经网络在matlab命令窗口输入：nnstart 或 nprtool 就可以进入matlab神经网络GUI 二、鸢尾花数据集iris示例1.输入数据集，划分训练集、测试集load fisheriris;
[m,n]=size(meas);
data=zeros(m,n+1);
data(:,1:n)=meas;
for i=1:m
转载
2023-07-09 08:54:06
452阅读
机器学习实战教程(13篇)_M_Q_T的博客这些网址非常适合想学习机器学习，却苦于没有项目（尤其缺少数据）的人。无意中看到，给自己做一个记录。 目录大类：学习方式监督式学习：非监督式学习：半监督式学习：强化学习：算法类似性 回归算法：基于实例的算法正则化方法决策树学习贝叶斯方法基于核的算法聚类算法关联规则学习人工神经网络深度学习降低维度算法集成算法：决策树一、 决策树优点二、决策树
转载
2024-05-20 07:47:33
87阅读
softmax和分类模型 内容包含： 1. softmax回归的基本概念 2. 如何获取Fashion MNIST数据集和读取数据 3. softmax回归模型的从零开始实现，实现一个对Fashion MNIST训练集中的图像数据进行分类的模型 4. 使用pytorch重新实现softmax回归模型
原创
2021-08-06 09:44:21
236阅读
sotfmax 函数在机器学习和深度学习中有着广泛的应用， 主要用于多分类问题。
原创
2024-08-13 11:05:28
147阅读
softmax与多分类 一、总结 一句话总结： sotfmax 函数在机器学习和深度学习中有着广泛的应用， 主要用于多分类问题。 1、softmax 函数 定义？ A、Si=e^(Vi)/(Σe^(Vj)) B、也就是该元素的指数 除以 所有元素的指数和，取指数是为了使差别更大。 C、于是该数组的每
转载
2020-07-24 04:54:00
1177阅读
2评论
第一层、了解SVMsupport vector machine，故一般简称SVM，通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。1.1、分类标准的起源：Logistic回归 SVM，咱们必须先弄清楚一个概念：线性分类器。x表示数据点，用y表示类别（y可以取1或者-1，分别代表两
常用的一些图像处理Matlab源代码
#1：数字图像矩阵数据的显示及其傅立叶变换
#2：二维离散余弦变换的图像压缩
#3：采用灰度变换的方法增强图像的对比度
#4：直方图均匀化
#5：模拟图像受高斯白噪声和椒盐噪声的影响
#6：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波
#7：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波
#8：图像的自适应魏纳滤波
#9
转载
2024-07-10 14:38:55
88阅读
1.前言最近需要用到卷积神经网络(CNN)，在还没完全掌握cuda+caffe+TensorFlow+python这一套传统的深度学习的流程的时候，想到了matlab，自己查了一下documentation,还真的有深度学习的相关函数。所以给自己提个醒，在需要用到某个成熟的技术时先查一下matlab的帮助文档，这样会减少很多时间成本。记得机器学习的大牛Andrew NG.说过在硅谷好多人都是先用m
转载
2024-08-08 11:46:29
171阅读
想自己动手写一个CNN很久了，论文和代码之间的差距有一个银河系那么大。在实现两层的CNN之前，首先实现了UFLDL中与CNN有关的作业。然后参考它的代码搭建了一个一层的CNN。最后实现了一个两层的CNN，码代码花了一天，调试花了5天，我也是醉了。这里记录一下通过代码对CNN加深的理解。首先，dataset是MNIST。这里层的概念是指convolution+pooling，有些地方会把convol
转载
2024-05-07 15:24:59
60阅读
Dataset&DataLoader 代码 import numpy as np import torch from torch.utils.data import Dataset,DataLoader class DiabetesDataset(Dataset): def __init__(sel
原创
2022-09-23 18:14:01
58阅读
前置知识条件概率 贝叶斯公式 （贝叶斯模型还是很好理解的，主要基于高中就学到过的条件概率。）贝叶斯定理P(A)，P(B)分别是事件A，B发生的概率，而P(A|B)是在事件A在事件B发生的前提下发生的概率，P(AB)是事件A，B同时发生的概率。那么我们的有公式： 。那么贝叶斯定理是：注：P(AB)=P(A)P(B)的充分必要条件是事件A和事件B相互独立。用通俗的语言讲就是，事件A是否发生不会影响到事
支持向量机（Support Vector Machine，SVM)，可以完成对数据的分类，包括线性可分情况和线性不可分情况。 1、线性可分 首先，对于SVM来说，它用于二分类问题，也就是通过寻找一个分类线(二维是直线，三维是平面，多维是超平面）可以将数据分为两类。 并用线性函数f(x)=w·x +b来构造这个分类器(如下图是一个二维分类线） 其中，w是权重向量，x为训练元组（X=(x1,x2…
转载
2024-04-15 13:25:22
79阅读
