【MATLAB深度学习工具箱】学习笔记
问题定义
本示例用于说明一个自组织映射神经网络（self-organizing map neural network）如何通过拓扑角度将鸢尾花进行聚类。
每一个鸢尾花采用以下四个特征进行描述：【说明：具体特征含义不是很懂】
Sepal length in cm
Sepal width in cm
Petal length in cm
Petal width in cm
这是一个聚类问题，根据样本的相似性进行分组。
【说明：之前的几篇文章中的分类问题，待分类项在问题求解之初就已经明确，如螃蟹的公母（2种）、酒的分类（3种）、字母的分类（26种）、数字的分类（10种）。此问题的特点是待形成的分类无法提前知道。】
数据准备
x = iris_dataset;
数据集维度如下所示，x中共包含150组数据，每一组数据为前述的四组特征。
size(x)
ans =
4 150
采用神经网络进行聚类
selforgmap函数是专门设计的用于自组织分类的函数，通过选择足够多的神经元，可以捕获足够多的细节。
采用8×8的六方网格神经元进行聚类。
net = selforgmap([8 8]);
view(net)
网络如下图所示：
训练过程如下：
[net,tr] = train(net,x);
nntraintool
得到如下结果：
迭代终止条件为达到了设定的最大迭代次数。
SOM Topology：SOM拓扑
显示了神经网络的拓扑结构。每一个神经元作为一个分类，邻接的神经元表明是相似的分类。
SOM Neighbor Connections:SOM邻接关系
SOM Neighbor Distances:SOM邻接距离
在欧氏距离范数上显示神经元与邻接神经元的距离。颜色越明亮，则说明距离越近。颜色越深，说明距离越远。
SOM Input Planes:SOM 输入平面
SOM Sample Hits:SOM 采样命中
展示了每类花的个数。
SOM Weight Positions:SOM 权重距离
相关知识
基于深度学习和迁移学习的识花实践
深度学习机器学习卷积神经网络的花卉识别花种类识别
园艺技巧学习笔记1
深度学习花的分类识别
基于深度学习的花卉识别系统开发
基于深度学习的花卉识别研究
基于深度迁移学习模型的花卉种类识别
深度学习之基于Tensorflow卷积神经网络花卉识别系统
毕业设计 深度学习花卉识别
2022年基于深度学习的花卉种类识别研究2000字(8篇).docx
网址: 【MATLAB深度学习工具箱】学习笔记 https://m.huajiangbk.com/newsview25678.html
| 上一篇: AI混合工具制作酷炫花朵 |
下一篇: 周边好物 |
