BP神经网络“分类”工具文档(公开版)
最后更新于:2022-12-30 21:48:44
一、代码运行环境:
MATLAB2019 / MATLAB2018 / MATLAB2017/MATLAB2016
二、文件说明
1. scriptPatternRec.m
知乎专栏(https://zhuanlan.zhihu.com/p/136264062)中的神经网络分类代码。为脚本文件,可以直接运行。
2. class2label.p
将class转为label 例如将[3,2,1,1]转换为[0,0,1;0,1,0;1,0,0;1,0,0] p文件,可以调用
3. class2label.p
将label转为class 例如将[0,0,1;0,1,0;1,0,0;1,0,0]转换为[3,2,1,1] p文件,可以调用
三、关于完整版代码
如果需要label和class转换(class2label.m和class2label.m)的源码,可在文末连接获取源码。 源码中包括了店主最新代码,其中还包括:
- 封装好的的快速模式识别(分类)神经网络(m)的源码,快速模式识别(分类)神经网络,可以自主设定训练集比例,并得到测试集分类正确率。
- 演示函数调用方法的demos,包含使用m快速实现模式识别(分类)进行的程序典型写法。
- 可以自动纠正数据行列方向错误的问题
- 简易式调用,适合小白入手
- 持续更新
编程不易,感谢支持~ 紧巴巴的学生党可以联系店主,店主会给优惠~
四、获取代码(需使用电脑浏览器打开)
功能 | 公开版 | 完整版 |
scriptPatternRec.m | √ | √ |
label2class | p* | m* |
class2label | p* | m* |
封装好的全流程函数fastPatternnet.m –可以快速实现你想要完成的分类工作 –自动纠正数据行列方向错误的问题 -简易式调用,适合小白 –持续更新 |
× | √ |
演示函数调用方法的demo | × | √ |
更为丰富、详细的注释 | × | √ |
*p文件可以被调用,但无法查看代码,m文件可以查看源码并自由修改