模式识别数字识别matlab（Pattern recognition, digital recognition, matlab）.docVIP

下载本文档

14
0
约2.38千字
约 10页
2017-09-05 发布于河南
举报
版权申诉

模式识别数字识别matlab（Pattern recognition, digital recognition, matlab）.doc

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

模式识别数字识别matlab（Pattern recognition, digital recognition, matlab）

模式识别数字识别matlab（Pattern recognition, digital recognition, matlab）清除所有中图分类号同济= 0； 1 = E：\ MATLAB R2009a便携式\树姿”；%图片文件夹 file2 =“BMP”文件类型；%。 r＝0.5； %%%%%%%%%%%%%%%%%%训练样本$$$$$$$$$$$$$$$$$$$$ 我= 0:1:13； J = 1:30 a int2str（我）； B = int2str（J）； = imread（strcat（1，，，B，file2））；%读文件 a_bw = im2bw（A，R）；%二值化【M，N =尺寸（a_bw）]； %%%%%%%%%%%矩阵分成4块，并统计每块1的个数%%%%%%%%%%%% X1＝0；对于k =（1：m / 2）对于p =（1：n / 2）如果a_bw（K，P）= = 1 X1＝X1 + 1；结束结束结束 x2＝0；对于k =（m / 2 + 1：m）对于p =（1：n / 2）如果a_bw（K，P）= = 1 x2＝x2＋1；结束结束结束 X3 = 0；对于k =（1：m / 2）对于p =（n / 2 + 1：n）如果a_bw（K，P）= = 1 X3 = x3±1；结束结束结束 X4 = 0；对于k =（m / 2 + 1：m）对于p =（n / 2 + 1：n）如果a_bw（K，P）= = 1 X4 = X4 + 1；结束结束结束 S（J，：）= [ x1 x2 x3 x4 ]；形成维向量% 4 结束 Q = 1:4 温度=平均（s（：，q））；%求列平均值 M（Q）=温度；%类中心结束 S（：，我+ 1）= m；%类中心矩阵9 * 14 结束 %%%%%%%%%%%%%%测试样本%%%%%%%%%%%%%%%%%%%%% 错误＝0； Ⅱ= 0:13 JJ = 31:40 a int2str（II）； B = int2str（JJ）； = imread（strcat（填补，，，B，滤镜））；%读测试文件 a_bw = im2bw（A，R）；%二值化【m，n ] =尺寸（a_bw）；%矩阵分块 X1＝0；对于k =（1：m / 2）对于p =（1：n / 2）如果a_bw（K，P）= = 1 X1＝X1 + 1；结束结束结束 x2＝0；对于k =（m / 2 + 1：m）对于p =（1：n / 2）如果a_bw（K，P）= = 1 x2＝x2＋1；结束结束结束 X3 = 0；对于k =（1：m / 2）对于p =（n / 2 + 1：n）如果a_bw（K，P）= = 1 X3 = x3±1；结束结束结束 X4 = 0；对于k =（m / 2 + 1：m）对于p =（n / 2 + 1：n）如果a_bw（K，P）= = 1 X4 = X4 + 1；结束结束结束 T = [ X1，X2，X3，X4为4维特征向量形成]； TT = [ X1、X2、X3、X4 ]； d_1 = 0； d_3 = inf； Y = 1:14 d_1 =总和（（t - s（：，y））。^ 2）；%计算欧式距离 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% SUM1 = 0; For J = 1: 4 SUM1 SUM1 (TT = + (j) - S (J, y)) ^ 2; End Distance (y) = sqrt (SUM1 求测试样本与各个数字特征的欧式距离%); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% If D 1% _ 3 d _ 计算最小距离 D = D 1 3 _ _; If = 10 _ int2str D 2 = (- 1); End If y = = 11 N = a; _ strcat D 2 = (n + and - 11); End If y = = 12 N = c; _ strcat (n = D + 2 and - 12); End If y = = 13 N = d; _ strcat (n = D + 2 and 13); End If y = = 14 E n = ; _ strcat (n = D + 2 and 14); End Dd (1 + 1 _ II, JJ - 30 d) = 2% 输出判决结果 _; End if end% % 1: 14 and end end %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% Class [c] = MIN