سایت تخصصی نرم افزار متلب، پروژه MATLAB، پروژه متلب - Forum Kunena Site Syndication http://mathworks.ir/ Thu, 29 Jun 2017 09:10:48 +0000 Kunena 1.6 http://mathworks.ir/components/com_kunena/template/default/images/icons/rss.png سایت تخصصی نرم افزار متلب، پروژه MATLAB، پروژه متلب - Forum http://mathworks.ir/ en-gb شبکه gmdh http://mathworks.ir/forum/22--/21369--gmdh#21781 http://mathworks.ir/forum/22--/21369--gmdh#21781 [attachment:1]bbo+gmdh.rar[/attachment]]]> شبکه عصبی Tue, 20 Jun 2017 20:19:17 +0000 یادگیری ماشین http://mathworks.ir/forum/22--/21759--#21759 http://mathworks.ir/forum/22--/21759--#21759
کدم رو اینجا گذاشتم

%%
imgset = imageSet('train_images','recursive');


%% Pre-process Training Data: *Feature Extraction*

bag = bagOfFeatures(imgset,'VocabularySize',200,...
'PointSelection','Detector');


%% Encode the images as new features
imagefeatures = encode(bag,imgset);


%% Create a Table using the encoded features
PlantData = array2table(imagefeatures);
PlantData.plantType = getImageLabels(imgset);

%% Use the new features to train a model and assess its performance
classificationLearner

%% Set up our testing data
testImages = imageSet('test_images');


%% Find the name of the classification model object
%trainedClassifier.ClassificationKNN,

%% prepare the model for code generation:
%saveCompactModel(trainedClassifier.ClassificationKNN, 'myKNN')

%%
%yfit = predict(trainedClassifier, imgset{:,trainedClassifier.ClassificationSVM})
%yfit = predict(trainedClassifier, X)

%% predition and show the images

yfit = trainedModel.predictFcn(ClassificationKNN);

@(x)exportableModel.predictFcn(predictorExtractionFcn(x));
kNNMdl = trainedModel.ClassificationKNN;
[labels,score] = predict(kNNMdl,ValData);]]>
شبکه عصبی Thu, 15 Jun 2017 17:06:46 +0000
فرق داده آموزش با داده تست در طبقه بندی با نظارت http://mathworks.ir/forum/22--/21638-----------#21689 http://mathworks.ir/forum/22--/21638-----------#21689 شبکه عصبی Fri, 02 Jun 2017 13:08:34 +0000