快捷導(dǎo)航

基于MATLAB神經(jīng)網(wǎng)絡(luò)圖像識(shí)別的高識(shí)別率代碼

更新時(shí)間：2019年03月14日 10:50:04 作者：謙190

今天小編就為大家分享一篇關(guān)于基于MATLAB神經(jīng)網(wǎng)絡(luò)圖像識(shí)別的高識(shí)別率代碼，小編覺(jué)得內(nèi)容挺不錯(cuò)的，現(xiàn)在分享給大家，具有很好的參考價(jià)值，需要的朋友一起跟隨小編來(lái)看看吧

MATLAB神經(jīng)網(wǎng)絡(luò)圖像識(shí)別高識(shí)別率代碼

I0=pretreatment(imread('Z:\data\PictureData\TestCode\SplitDataTest\0 (1).png'));
I1=pretreatment(imread('Z:\data\PictureData\TestCode\SplitDataTest\1 (1).png'));
I2=pretreatment(imread('Z:\data\PictureData\TestCode\SplitDataTest\2 (1).png'));
I3=pretreatment(imread('Z:\data\PictureData\TestCode\SplitDataTest\3 (1).png'));
I4=pretreatment(imread('Z:\data\PictureData\TestCode\SplitDataTest\4 (1).png'));
I5=pretreatment(imread('Z:\data\PictureData\TestCode\SplitDataTest\5 (1).png'));
I6=pretreatment(imread('Z:\data\PictureData\TestCode\SplitDataTest\6 (1).png'));
I7=pretreatment(imread('Z:\data\PictureData\TestCode\SplitDataTest\7 (1).png'));
I8=pretreatment(imread('Z:\data\PictureData\TestCode\SplitDataTest\8 (1).png'));
I9=pretreatment(imread('Z:\data\PictureData\TestCode\SplitDataTest\9 (1).png'));
%以上數(shù)據(jù)都是歸一化好的數(shù)據(jù)。

P=[I0',I1',I2',I3',I4',I5',I6',I7',I8',I9'];
T=eye(10,10);
%%bp神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置
net=newff(minmax(P),[144,200,10],{'logsig','logsig','logsig'},'trainrp');
net.inputWeights{1,1}.initFcn ='randnr';
net.layerWeights{2,1}.initFcn ='randnr';
net.trainparam.epochs=5000;
net.trainparam.show=50;
net.trainparam.lr=0.001;
net.trainparam.goal=0.0000000000001;
net=init(net);
%%%訓(xùn)練樣本%%%%
[net,tr]=train(net,P,T);

PIN0=pretreatment(imread('Z:\data\PictureData\TestCode\SplitDataTest\4 (2).png'));
PIN1=pretreatment(imread('Z:\data\PictureData\TestCode\SplitDataTest\3 (2).png'));
P0=[PIN0',PIN1'];
T0= sim(net ,PIN1')
T1 = compet (T0) 
d =find(T1 == 1) - 1
 fprintf('預(yù)測(cè)數(shù)字是：%d\n',d);
%有較高的識(shí)別率

識(shí)別率還是挺高的。但是最大的難點(diǎn)問(wèn)題是圖像的預(yù)處理，分割，我覺(jué)得智能算法的識(shí)別已經(jīng)做得很好了。最重要的是圖像預(yù)處理分割。

總結(jié)

以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，謝謝大家對(duì)腳本之家的支持。如果你想了解更多相關(guān)內(nèi)容請(qǐng)查看下面相關(guān)鏈接

您可能感興趣的文章:

相關(guān)文章

詳解計(jì)數(shù)排序算法及C語(yǔ)言程序中的實(shí)現(xiàn)
技術(shù)排序算法與我們普通接觸的冒泡排序和快速排序等基于元素比較的算法不同,在編程中通過(guò)C語(yǔ)言的數(shù)組能夠清除地表達(dá)出來(lái),這里我們就來(lái)詳解計(jì)數(shù)排序算法及C語(yǔ)言程序中的實(shí)現(xiàn)
2016-07-07
QString使用正則操作的接口實(shí)現(xiàn)
這篇文章主要介紹了QString使用正則操作的接口實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
2019-12-12
C語(yǔ)言中自動(dòng)與強(qiáng)制轉(zhuǎn)換全解析
在編寫(xiě)C程序時(shí),類(lèi)型轉(zhuǎn)換是確保數(shù)據(jù)正確性和一致性的關(guān)鍵環(huán)節(jié),無(wú)論是隱式轉(zhuǎn)換還是顯式轉(zhuǎn)換,都各有特點(diǎn)和應(yīng)用場(chǎng)景,本文將詳細(xì)探討C語(yǔ)言中的類(lèi)型轉(zhuǎn)換機(jī)制,幫助您更好地理解并在實(shí)際編碼中靈活運(yùn)用這些知識(shí),需要的朋友可以參考下
2025-02-02
淺談C語(yǔ)言中的指針和數(shù)組有什么區(qū)別
C語(yǔ)言中的指針和數(shù)組是兩個(gè)重要的數(shù)據(jù)結(jié)構(gòu)，它們?cè)趦?nèi)存管理和數(shù)據(jù)存儲(chǔ)方面有許多相似之處，但也存在一些關(guān)鍵的區(qū)別，本文就來(lái)介紹一下C語(yǔ)言中的指針和數(shù)組有什么區(qū)別，具有一定的參考價(jià)值，感興趣的可以了解一下
2023-09-09
C語(yǔ)言繪制余弦、正弦曲線
這篇文章主要為大家詳細(xì)介紹了C語(yǔ)言繪制余弦、正弦曲線的相關(guān)代碼，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
2019-06-06
C++實(shí)現(xiàn)讀寫(xiě)文件的示例代碼
這篇文章主要介紹了C++實(shí)現(xiàn)讀寫(xiě)文件的示例代碼，幫助大家更好的理解和學(xué)習(xí)c++，感興趣的朋友可以了解下
2020-08-08
C語(yǔ)言中scanf與scanf_s函數(shù)的使用詳解
本文主要介紹了C語(yǔ)言中scanf與scanf_s函數(shù)的使用詳解，文中通過(guò)示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
2021-10-10
C++泛型編程綜合講解
泛型編程與面向?qū)ο缶幊痰哪繕?biāo)相同，即使重用代碼和抽象通用概念的技術(shù)更加簡(jiǎn)單。但是面向?qū)ο缶幊虖?qiáng)調(diào)編程的數(shù)據(jù)方面，泛型編程強(qiáng)調(diào)的是獨(dú)立于特定數(shù)據(jù)類(lèi)型
2022-12-12
c語(yǔ)言實(shí)現(xiàn)可自定義的游戲地圖
這篇文章主要為大家詳細(xì)介紹了c語(yǔ)言實(shí)現(xiàn)可自定義的游戲地圖，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
2022-01-01
解析C++多文件編程問(wèn)題
在某些場(chǎng)景中，考慮到編譯效率和可移植性，#pragma once 和 #ifndef 經(jīng)常被結(jié)合使用來(lái)避免頭文件被重復(fù)引入，這里介紹用 _Pragma 操作符避免頭文件重復(fù)引入的問(wèn)題，感興趣的朋友跟隨小編一起看看吧
2021-10-10