bp网络训练.doc

神经网络训练matlab程序详解 特征提取还是什么的 我看不懂了 浏览次数：497次悬赏分：20 | 解决时间：2010-6-5 10:41 | 提问者：shuai3238 for hh=1:30 p(hh-1)*30+1:(hh-1)*30+30,pcolum+1)=p1(hh,1:30); end %将处理的源样本输入供神经网络训练的样本 pcolum是样本数循环变量 switch pcolum case 0,10,20,30,40 t(pcolum+1)=0 %数字0 case1,11,21,31,41 t(pcolum+1)=1 %数字1 case2,12,22,32,42 t(pcolum+1)=2 %数字2 case3,13,23,33,43 t(pcolum+1)=3 %数字3 case4,14,24,34,44 t(pcolum+1)=4 %数字4 case5,15,25,35,45 t(pcolum+1)=5 %数字5 case6,16,26,36,46 t(pcolum+1)=6 %数字6 case7,17,27,37,47 t(pcolum+1)=7 %数字7 case8,18,28,38,48 t(pcolum+1)=8 %数字8 case9,19,29,39,49 t(pcolum+1)=9 %数字9 end %建立与训练样本对应的输出值tendsave XP p t;问题补充： 这是个手写体数字图像识别的问题，图像预处理完了，特征提取时用的什么方法？ for hh=1:30 p(hh-1)*30+1:(hh-1)*30+30,pcolum+1)=p1(hh,1:30); end 这块具体把什么特征作为特征值的？最佳答案 这是BP神经网络的特征维和样本输入建立关系；1 for hh=1:30 p(hh-1)*30+1:(hh-1)*30+30,pcolum+1)=p1(hh,1:30); end /总共有pcolum个样本，每个样本有30维特征值；依次循环送入记录特征值的矩阵p中，2 switch pcolum 用于把样本的值送入教师矩阵t中；样本按049顺序输入；对应5组09，比方第一个case中告诉t在049中那些属于“数字0”；总的来说t值对应不同的p取19也就是说这段程序的中心目的是把p( 特征维,pcolum)与对应的输出t（pcolum）对应起来，之后再把p和t送入BP网络中训练 主要看你p1是怎么来的；估计是把原始手写体分成粗网格；即p1是一个3030的矩阵，p是一个90050的矩阵；其列为输入的50个手写体；行为900个网格的值；for hh=1:30 p(hh-1)*30+1:(hh-1)*30+30,pcolum+1)=p1(hh,1:30);end这段程序其实就是把2维的p1放入到p的一行里面去；把3030的矩阵换成9001的形式。你去搜索下 粗网格/BP神经 ，具体看你前面的p1是怎么来的；可能你这3030的矩阵就是3030大小的手写体二值化图像每个像素上的值求用matlab编BP神经网络预测程序P=。;输入T=。;输出% 创建一个新的前向神经网络 net_1=newff(minmax(P),10,1,tansig,purelin,traingdm)% 当前输入层权值和阈值inputWeights=net_1.IW1,1inputbias=net_1.b1% 当前网络层权值和阈值layerWeights=net_1.LW2,1layerbias=net_1.b2% 设置训练参数net_1.trainParam.show = 50;net_1.trainParam.lr = 0.05;net_1.trainParam.mc = 0.9;net_1.trainParam.epochs = 10000;net_1.trainParam.goal = 1e-3;% 调用 TRAINGDM 算法训练 BP 网络net_1,tr=train(net_1,P,T);% 对 BP 网络进行仿真A = sim(net_1,P);% 计算仿真误差 E = T - A;MSE=mse(E)x=。;%测试sim(net_1,x) matlab 怎么提取2R-G-B分量的灰度图用ostu进行分割 浏览次数：457次悬赏分：30 | 解决时间：2010-6-14 19:08 | 提问者：ACKOAL58396 内位高手解答下啊，困扰我很久了，给个源代码最佳答案 下面这个是自己写的，先获取阈值再灰度化，对应标准OSTU的流程filename= 填入你的图片名I=imread(filename);I_gray=rgb2gray(I);I_double=double(I_gray);%转化为双精度wid,len=size(I_gray);colorlevel=256; %灰度级hist=zeros(colorlevel,1);%直方图%计算直方图for i=1:height for j=1:width m=I_gray(i,j)+1; hist(m)=hist(m)+1; endendhist=hist/(height*width);%直方图归一化miuT=0;for m=1:colorlevel miuT=miuT+(m-1)*hist(m);endxigmaB2=0;for mindex=1:colorlevel threshold=mindex-1; omega1=0; omega2=0; for m=1:threshold-1 omega1=omega1+hist(m); end omega2=1-omega1; miu1=0; miu2=0; for m=1:colorlevel if mxigmaB2 finalT=threshold; xigmaB2=xigmaB21; endendthreshT=finalT;for i=1:height for j=1:width if I_double(i,j)finalT bin(i,j)=1; else bin(i,j)=0; end endendfigure(1);imshow(uint8(bin);function th = thresh_md( a) ; % 该函数实现最大方差法计算分割阈值% 输入参数务灰度图像, 输出为灰度分割阈值count = imhist( a) ; % 返回图像矩阵各个灰度等级像素个数 m, n = size( a) ;N =m* n - sum( sum( find( a =0) , 1) ) ;237第7 章图像分割与特征提取及MATLAB 实现L =256; % 指定图像灰度等级count = count /N; % 计算出各灰度出现的概率for i = 2: Lif count( i) = 0st = i - 1 ;break;endend % 找出出现概率不为0 的最小灰度for i = L: - 1: 1if count( i) = 0;nd = i - 1;break;endend % 找出出现概率不为0 的最大灰度f = count( st + 1: nd + 1) ;p =st; q =nd - st; %分别表示为灰度起始和结束值u =0;for i = 1: q;u = u + f( i) * ( p + i - 1) ;ua( i) = u;end % 计算图像的平均灰度for i = 1: q;w( i) = sum( f( 1: i) ) ;end % 计算出选择不同K 值时, A 区域的概率d = ( u* w- ua) . 2. /( w. * ( 1 - w) ) ; %求出不同K 值时类间的方差 y, tp =max( d) ; %求出最大方差对应的灰度值th = tp + p;( 1) 下面是上述使用的程序清单:I = imread( pearlite. tif) ;subplot( 2, 2, 1) , imshow( I) , title( 原始图像) ;Ic = imcomplement( I) ;BW = im2bw( Ic, graythresh( Ic) ) ;subplot( 2, 2, 2) , imshow( BW) , title( 阈值截取分割后图像) ;se = strel( disk, 6) ;BWc = imclose( BW, se) ;BWco = imopen( BWc, se) ;subplot( 2, 2, 3) , imshow( BWco) , title( 对小图像进行删除后图像) ;mask = BW&BWco;238subplot( 2, 2, 4) , imshow( mask) , title( 检测结果的图像) ;其运行结果如图7. 20 所示。图7. 20 搜索图像中的微小结构( 2) 下面是上述应用的程序清单:afm = imread( afmsurf. tif) ;subplot( 2, 3, 1) , imshow( afm) , title( 原始图像) ;se = strel( disk, 15) ;Itop = imtophat( afm, se) ;Ibot = imbothat( afm, se) ;subplot( 2, 3, 2) , imshow( Itop, ) , title( 高帽变换后) ;subplot( 2, 3, 3) , imshow( Ibot, ) , title( 低帽变换后) ;Ienhance = imsubtract( imadd( Itop, afm) , Ibot) ;Iec = imcomplement( Ienhance) ;Iemin = imextendedmin( Iec, 22 ) ;Iimpose = imimposemin( Iec, Iemin) ;subplot( 2, 3, 4) , imshow( Iimpose) , title( 经反色等处理后) ;wat = watershed( Iimpose) ;rgb = label2rgb( wat) ;subplot( 2, 3, 5) , imshow( rgb) , title( 谷值搜索显示) ;stats = regionprops( wat, Area, Orientation) ;area = stats( : ) . Area ;orient = stats( : ) . Orientation ;239第7 章图像分割与特征提取及MATLAB 实现subplot( 2, 3, 6) , plot( area, orient, b* ) , title( 特征信息) ;其运行结果如图7. 21 所示。图7. 21 检测图像中相互接触对象急求用matlab编写出类间方差阈值算法分割图像的程序，好的话事后加分,发送到 谢谢 浏览次数：279次悬赏分：10 | 解决时间：2011-3-9 18:34 | 提问者：匿名 最佳答案 %本程序是利用最大类间方差算法求解自适应阈值，对图像进行分割clear;warning off;web -browser /thread-10282-1-1.htmlSE = strel(diamond,4);BW1 = imread(img1.bmp);BW2 = imerode(BW1,SE);BW3 = imdilate(BW2,SE);BW4 = BW1-BW3;%rgb转灰度if isrgb(BW4)=1 I_gray=rgb2gray(BW4);else I_gray=BW4;endfigure,imshow(I_gray);I_double=double(I_gray);%转化为双精度wid,len=size(I_gray);colorlevel=256; %灰度级hist=zeros(colorlevel,1);%直方图%threshold=128; %初始阈值%计算直方图for i=1:wid for j=1:len m=I_gray(i,j)+1; hist(m)=hist(m)+1; endendhist=hist/(wid*len);%直方图归一化miuT=0;for m=1:colorlevel miuT=miuT+(m-1)*hist(m);endxigmaB2=0;for mindex=1:colorlevel threshold=mindex-1; omega1=0; omega2=0; for m=1:threshold-1 omega1=omega1+hist(m); end omega2=1-omega1; miu1=0; miu2=0; for m=1:colorlevel if mxigmaB2 finalT=threshold; xigmaB2=xigmaB21; endendfT=finalT/255 %阈值归一化T=graythresh(I_gray)%matlab函数求阈值for i=1:wid for j=1:len if I_double(i,j)finalT bin(i,j)=1; else bin(i,j)=0; end endendfigure,imshow(bin);figure,plot(1:colorlevel,xigma);用matlab对图像进行缩放（双线性插值法）默认分类 2008-09-06 15:52:11 阅读672 评论0 字号：大中小订阅 clear; %此题是用双线性插值法实现图像缩放I=imread(f.jpg); %读入原图像，只需将此处的文件换成要变换的图片即可%图像属性% Filename: f.jpg% FileModDate: 24-Aug-2008 16:50:30% FileSize: 20372% Format: jpg% FormatVersion: % Width: 480% Height: 640% BitDepth: 8% ColorType: grayscale% FormatSignature: % NumberOfSamples: 1% CodingMethod: Huffman% CodingProcess: Sequential% Comment: rows,cols=size(I);K1 = str2double(inputdlg(请输入行缩放倍数, INPUT scale factor, 1, 0.5);%行默认变为原来的0.5倍K2 = str2double(inputdlg(请输入列缩放倍数, INPUT scale factor, 1, 0.4);%列默认变为原来的0.4倍width = K1 * rows; height = K2 * cols;Out = uint8(zeros(width,height); %创建输出图像矩阵widthScale = rows/width;heightScale = cols/height;for x = 6:width - 6 % 6是为了防止矩阵超出边界溢出 for y = 6:height - 6 oldX = x * widthScale; % oldX,oldY为原坐标，x,y为新坐标 oldY = y * heightScale; if (oldX/double(uint16(oldX) = 1.0) & (oldY/double(uint16(oldY) = 1.0) Out(x,y) = I(int16(oldX),int16(oldY);%若oldX，oldY为整数，直接赋值 else a = double(uint16(oldX); b = double(uint16(oldY); x11 = double(I(a,b); % x11 赋值为 I(a,b) x12 = double(I(a,b+1); % x12 赋值为 I(a,b+1) x21 = double(I(a+1,b); % x21 赋值为 I(a+1,b) x22 = double(I(a+1,b+1); % x22 赋值为 I(a+1,b+1) Out(x,y) = uint8( (b+1-oldY) * (oldX-a)*x21 + (a+1-oldX)*x11) + (oldY-b) * (oldX-a)*x22 +(a+1-oldX) * x12) );