4.2nnToolKit函数库
?例4-3 对ch4\\nnToolKit工具箱\\sofm文件夹中的数据文件(input_para1.txt)进行自组织特征映射网络训练,以便实现对其数据进行分类。
% 自组织特征映射模型(Self-Organizing feature Map),认为一个神经网络接受外界输入模式时,将会分为不同的区域,各区域对输入模式具有不同的响应特征,同时这一过程是自动完成的。各神经元的连接权值具有一定的分布。最邻近的神经元互相刺激,而较远的神经元则相互抑制,更远一些的则具有较弱的刺激作用。自组织特征映射法是一种无教师的聚类方法。% 此为Sofm网络训练程序function retstr =SofmTrain(ModelNo,NetPara,TrainPara,DataDir)NNTWARN OFFretstr=-1;%%%% 输入参数赋值开始 %%%%%%%%%%%%%%%%%%%%%%%% 方便调试程序用,程序调试时去掉这部分的注释ModelNo='1';% 网络参数NetPara(1)=1; %输入层节点数4.2nnToolKit函数库
?SofmSimu
?功能自组织特征映射网络仿真函数。?格式retstr = SofmSimu(ModelNo,NetPara,SimuData,DataDir)?说明根据训练好的网络模型,对预测数据进行分类识别,各参数说明如下:(1) ModelNo 输入参数,模型编号。(2) NetPara 输入参数,网络参数,包括输入层结点数,分类数,训练数据组数。(3) SimuData 输入参数,网络仿真数据。(4) DataDir 输入参数,当前应用程序路径。4.2nnToolKit函数库?例4-4 输入一组测试样本数据,检验例4-3训练好自组织特征映射网络模型。frw=fopen(sprintf('w%s%s',ModelNo,'.dat'),'r');[w,count]=fscanf(frw,'%f',[ClassifyNum,1]);fclose(frw);m=nbgrid(ClassifyNum);a =simusm(SimuData,w,m,0);c=find(a);cd(olddir);retstr=c;close all;4.2nnToolKit函数库
?SofmIntensity
?功能图像增强处理函数。?格式retstr = SofmIntensity(ImgName,AdjustPara,DataDir)?说明图像增强处理,主要增强图像对比度,各参数说明如下:(1) ImgName 输入参数,图像文件名。(2) AdjustPara 输入参数,图像增强参数,介于(0,1)。(3) DataDir 输入参数,当前应用程序路径。?SofmHist
?功能绘制直方图函数。?格式retstr = SofmHist(ImgName,DataDir)?说明绘制图像直方图,各参数说明如下:(1) ImgName 输入参数,图像文件名。(2) DataDir 输入参数,当前应用程序路径。4.2nnToolKit函数库
?SofmProcess
?功能自组织特征映射网络分类处理函数。?格式retstr=ofmProcess(ModelNo,ClassifyNum,TrainPara,ImgName,DataDir)?说明主要用于图像分割处理,程序首先读入图像文件,并将图像灰度特征值转化为一个一维矩阵,接下来对该灰度矩阵进行竞争学习,最后根据训练结果,对矩阵中的各数据进行仿真,并将分类结果写入相应的文件。各参数说明如下:(1) ModelNo 输入参数,模型编号。(2) ClassifyNum 输入参数,分类数。(3) TrainPara 输入参数,网络训练参数,包括:训练过程显示频率,最大训练步数,学习率。(4) ImgName 输入参数,图像文件名。(5) DataDir 输入参数,当前应用程序路径。