- 1、本文档共3页,可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、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。
- 7、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。
- 8、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
《与认知》
第六章统计学习方法上机作业
请选择一种支持向量机(如LIBSVM)或深度学习工具(如MatlabDeepLearningToolbox中的卷积神经网络
CNN),在MNIST手写数字样本集上,利用训练集样本进行训练,并对测试集样本进试。建议参照对应的示
例程序,研究并改进算法。请提交报告形式的作业,在5月19日课前交纸版作业或在网络学堂上提交电子
版均可。若程序源码有较大改动,也请在网络学堂上提交程序源码及简要说明。提交的作业报告内容要求如下:
1.算法性能分析:
请阅读支持向量机SVM或卷积神经网络CNN的源代码,在了解算法原理和技术实现细节基础上,自行
调整算法中至少一种关键参数或设置,比如:
(1)改变SVM不同的核函数类型、或引入新的特征提取及降维方法、或尝试“一对一”的多类分类算法;
(2)调整CNN的卷积层及下采样层的层数、或模板大小等参数;
(3)可能的话,还可以尝试CNN与SVM的融合,如图1所示:
图1卷积神经网络和支持向量机融合方式
(参考文献:NiuXX,SuenCY.AnovelhybridCNN–SVMclassifierforrecognizinghandwrittendigits[J].Pattern
Recognition,2012,45(4):1318-1325.)
【要求】:在至少一种不同参数或设置下分别进行训练,做出测试集识别率(或错误率)随参数或设置
变化的对照图或对照表,并标出最高识别率对应的参数或设置。
2.识别错误分析:
在算法测试环节增加代码,对测试集按类别真值y、识别输出类别ŷ分别统计样本数目,可得到形式如
表1所示的矩阵(confusionmatrix),矩阵中主对角线上的元素为正确识别的样本数目,其他元素
为识别错误的样本数目。Matlab中有相关函数confusionmat.m可完成矩阵的统计。
【要求】:统计在第2步中参数或设置取得最高识别率时的矩阵,其中最容易的样本类别。
表1测试集识别结果矩阵
识别结果ŷ0123456789
类别真值y
0
1
2
3
4
5
6
7
8
9
相关资源说明:
1.MNIST手写数字样本集
ModifietionalInstituteofStandardsandTechnology)手写数字样本集是与技术研
MNIST(
究院(NationalInstituteofStan
文档评论(0)