分类预测 | MATLAB实现CNN卷积神经网络多特征分类预测

分类预测 | MATLAB实现CNN卷积神经网络多特征分类预测

目录

• ​​分类预测 | MATLAB实现CNN卷积神经网络多特征分类预测​​

• ​​分类效果​​
• ​​基本介绍​​
• ​​程序设计​​
• ​​参考资料​​
• ​​致谢​​

分类效果

基本介绍

本文要用到的卷积神经网络(ConvolutionalNeural Network，CNN),主要包含卷积技术以及深度神经网络。区别传统的机器学习,卷积神经网络将特征提取器与机器学习有机的结合了起来。
卷积神经网络处理的数据形式,具有局部与整体的关系,并且由低层次特征组合可以形成高层次的特征,还能得到不同特征间的空间相关性。

• 1.Matlab实现CNN卷积神经网络多特征分类预测，运行环境Matlab2018b及以上；
• 2.命令窗口输出分类准确率。
• 3.输入15个特征，输出4类标签。

程序设计

• 完整源码和数据：​​CNN卷积神经网络多特征分类预测​​

[YValPred,probs] = classify(trainedNet,XValidation);
validationError = mean(YValPred ~= YValidation);
YTrainPred = classify(trainedNet,XTrain);
trainError = mean(YTrainPred ~= YTrain);
disp("Training error: " + trainError*100 + "%")
%Training error: 2.862%
disp("Validation error: " + validationError*100 + "%")
%Validation error: 9.76%
figure('Units','normalized','Position',[0.2 0.2 0.4 0.4]);
cm = confusionchart(YValidation,YValPred);
cm.Title = 'Confusion Matrix for Validation Data';
cm.ColumnSummary = 'column-normalized';
cm.RowSummary = 'row-normalized';
figure
idx = randperm(size(XValidation,4),9);
for i = 1:numel(idx)
    subplot(3,3,i)
    imshow(XValidation(:,:,:,idx(i)));
    prob = num2str(100*max(probs(idx(i),:)),3);
    predClass = char(YValPred(idx(i)));
    title([predClass,', ',prob,'%'])
end

参考资料

[1] https://www.cs.toronto.edu/~kriz/learning-features-2009-TR.pdf

致谢

• 欢迎一起学习，一起进步！