在matlab中使用神经网络进行分类

Posted 2023-03-13

【中文标题】在matlab中使用神经网络进行分类

【英文标题】：Using neural network for classification in matlab

【发布时间】：2014-07-16 16:40:26

【问题描述】：

我正在研究光学字符识别问题。我已经成功提取了一个 [1X32] 矩阵的特征（我从每个分段字符中提取了 32 个特征）。我有完整的训练数据集（每个字符的图像），但我在创建输入和目标数据集矩阵时打破了我的头脑。所以请告诉我这些矩阵、测试数据以及我将从神经网络获得输出的格式。

1）有258个不同的模式（字符），那么，应该有258个类标签吗？

我的输入矩阵大小是行数 = 32（特征）列数 = 258*4=1032（字符数*每个字符的实例数）

2) 我的目标矩阵的大小应该是多少？只需为我的案例绘制一个虚拟目标矩阵。

【问题讨论】：

如果提供的答案有帮助，请在左侧接受。

【参考方案1】：

您是否已经检查过 MATLAB 的神经网络工具箱 (http://www.mathworks.co.uk/help/nnet/examples/crab-classification.html?prodcode=NN&language=en) ？在那里您可以找到一些如何使用神经网络的示例。

关于您的两个具体问题：

1) 通常，如果您想区分 N 个不同的字符，您将需要该数量的类标签。因此，在您的情况下，是的，您应该有 258 个类别标签。使用神经网络的分类问题的输出通常是二进制输出，其中一个用于识别的类，0 用于剩余的类。但是，如果您使用 sigmoid 函数作为最后一个激活函数，而输出节点都不是 0 或 1，则可能会发生这种情况，在这种情况下，您可以例如取所有输出节点的最大值，以获得最高或更可能的类对于某个输入。

2) 目标矩阵应该是一个二进制矩阵，其中 1 代表正确的类别，0 代表每个输入的所有其他类别。所以在你的情况下它应该是 258*1032 矩阵。我再次建议您检查上面给出的链接。

祝你好运。

【讨论】：

谢谢....它解决了我的问题，但是我的神经网络的效率很低，它预测错误的输出。您认为提高效率应该集中在哪里？

您的样本似乎太少（每个类 4 个）并且特征可能太多。尝试具有不同特征组合的网络，或任何其他类型的特征选择。如果可能，提供更多样本进行训练

谢谢你，我会尝试你的建议。