11.第13章神经网络应用实例-精品.pptVIP

7.基于自组织特征映射网络的亚洲足球水平聚类 7.基于自组织特征映射网络的亚洲足球水平聚类 7.基于自组织特征映射网络的亚洲足球水平聚类 样本采用1000幅64*64的二值图像 5.基于概率神经网络的手写体数字识别 特征提取 获得了6维统计特征，与8维结构特征一起构成了一个长度为14的特征向量，用该特征向量代表每一幅数字图像 5.基于概率神经网络的手写体数字识别 构造分类器——概率神经网络 概率神经网络的判定边界接近于贝叶斯最佳判定面，网络的计算流程与最大后验概率准则极为类似。 5.基于概率神经网络的手写体数字识别 （1）数据输入。1000章图像被放在名为digital_pic的子目录中，其中数字i的第j张图像文件名为i_j.bmp，为三位宽度的整数。 （2）特征提取。进行特征提取前进行去噪处理。特征提取的函数为[Feature,bmp,flag]=getFeature(A)，该函数接受一个64*64二值矩阵输入，返回的Feature为长度为14的特征向量 （3）模型训练。使用newpnn函数创建概率神经网络 （4）测试部分。测试时，首先使用原有训练数据进行测试，再对读入的图像添加一定强度的噪声，观察算法的抗干扰性能。 5.基于概率神经网络的手写体数字识别 digital_rec.m 5.基于概率神经网络的手写体数字识别 6.基于概率神经网络的柴油机故障诊断