文件名称：二抽取代码MATLAB-PatternRecognition:代尔夫特/IN4085
文件大小：18.44MB
文件格式：ZIP
更新时间：2024-06-15 06:21:44
系统开源
二摘代码MATLAB 模式识别 代尔夫特理工大学/ IN4085 2015/2016 该存储库包含此课程的最终项目。 该项目涵盖了两种情况下基于图像的分类数字（NIST数据集）。 数据集非常大，每个类有200至1000个对象作为训练集。 目标是使分类误差低于5％。 数据集限制为每个课程最多10个对象作为训练集。 目标是使分类误差低于25％。 作为项目的一部分，使用交叉验证对多个分类器（例如parzen，knn，神经网络，svm等）进行评估。 此外，还应用了特征选择和提取方法以及图像的不同表示形式（例如像素和特征）。 最后，使用分类器的组合来优化分类误差。 由图可见，我们分别达到了4.1％和24.0％的分类误差。 可以在相应的部分中找到部分代码（在Matlab中）和数据集（在Matlab中）。
【文件预览】：
PatternRecognition-master
----report()
--------IN4085-Report-2016-Grigorios-Kyriakos-Dominik.pdf(298KB)
----code()
--------combination_sequential.m(373B)
--------image_para_dis.m(1KB)
--------final_classifier2.m(566B)
--------final_classifier.m(375B)
--------image_classifiers.m(2KB)
--------image_neural.m(1KB)
--------image_neural_dis.m(997B)
--------combination_parallel.m(561B)
--------image_v01.m(410B)
--------image_v02.m(399B)
--------combination_2.m(433B)
--------my_rep.m(328B)
--------combination_trained.m(243B)
--------image_profile.m(425B)
--------combination_parallel_2.m(526B)
--------combination.m(443B)
--------feature_selection.m(2KB)
----README.md(1KB)
----data()
--------matlab_profile.mat(1.25MB)
--------featRepresantation_scenario1.mat(1.98MB)
--------matlab.mat(2.81MB)
--------all_scenario1.mat(4.47MB)
--------matlab_crossval.mat(2.91MB)
--------matlab_profile_scenario1.mat(1.25MB)
--------matlab_features.mat(9KB)
--------dataForDissimilarity.mat(612KB)
--------knn3_error_scenario1_pixel.mat(922B)
--------nistdata_scenario1.mat(2.87MB)
--------all_scenario2.mat(24KB)
--------qdc_error_scenario1_feat_m.mat(376B)
--------dataset_scenario2.mat(7KB)
--------loglc_error_scenario1_feat_m.mat(365B)
--------knn3_error_scenario2_pixel.mat(469B)
--------featRepresantation_scenario2.mat(57KB)
--------nmc_error_scenario2_pixel.mat(398B)
--------fisherc_error_scenario2_feat_m.mat(305B)