MATLAB神经网络手写数字识别

峥途

终于——敲完了
这次分享的是开源代码，MATLAB软件神经网络在图像识别中的初级应用——手写数字识别：即给了一组手写数字的数据表（可以看一下下方的图例），然后用这个5000个样本的数据库训练这个算法，让它最后判断这个图片是什么数字，属于图像识别里的最简单、经典的了。
最后他的准确率高达95.04%，也算是挺不错的了，大概再多提供一些样本它可以更准确？
然后和昨天的灰度图属于一个数据库，超过2M，无法提交……，所以数据库不能上传嘞……附件里的是“fmincg.m”自带函数。
代码如下：
主函数部分：

1. %% 嘿嘿嘿，我胡汉三又回来啦！！！听完音乐会，san值100%~
   
2. %% 清除关闭
   
3. clear;close all;clc;
   
4. %% 读取可视化
   
5. load('ex3data1.mat');
   
6. randIndex = randperm(size(X,1));% 打乱X索引值，随机排序
   
7. seldata = X(randIndex(1:100),:);% 随机取打乱后的前100个样本
   
8. 
   
9. % 可视化
   
10. displayData(seldata);
    
11. %% 函数主体核心oneVsAll
    
12. lamda = 0.05;
    
13. num_labels = 10;
    
14. all_theta = oneVsAll(X,y,num_labels,lamda);
    
15. %% 预测
    
16. P = predict(X,all_theta);
    
17. fprintf('The accuracy is %.2f%%\n',mean(double(y==P))*100);

复制代码

其他部分

1. %% 可视化函数
   
2. function [figurePane,display_array] = displayData(X,image_width)
   
3. %% 初始化各项参数
   
4. [m,n] = size(X);
   
5. 
   
6. %% 设置image信息
   
7. if ~exist('image_width','var')||empty(image_width)
   
8.     image_width = round(sqrt(n));
   
9. end
   
10. image_height = round(n/image_width);
    
11. 
    
12. %% 设置figure信息
    
13. colormap(gray);
    
14. figure_rows = floor(sqrt(m));
    
15. figure_cols = ceil(sqrt(m));
    
16. %% 初始化display_array
    
17. pad = 1;
    
18. display_array = -ones(pad+(image_height+pad)*figure_rows, ...
    
19.     pad+(image_width+pad)*figure_cols);
    
20. %% 将X对应赋值给display_array
    
21. current_image = 1;
    
22. 
    
23. for row = 1:figure_rows
    
24.     for col = 1:figure_cols
    
25.         max_var = max(X(current_image,:));% 求当前图像的一行中最大值
    
26.         display_array(pad+(row-1)*(image_height+pad)+(1:image_height), ...
    
27.             pad+(col-1)*(image_width+pad)+(1:image_width))=...
    
28.             reshape(X(current_image,:),image_height,image_width)/max_var;
    
29.         current_image = current_image+1;
    
30.         if current_image > m
    
31.             break;
    
32.         end
    
33.     end
    
34.     if current_image >m
    
35.         break;
    
36.     end
    
37. end
    
38. %% 画图
    
39. figurePane = imagesc(display_array,[-1,1]);
    
40. title('Random handwritten digits');
    
41. axis image off;
    
42. drawnow;

复制代码

1. function [J,grad] = lrCostFunction(X,y,theta,lamda)
   
2. [m,~] = size(X);
   
3. h = sigmoid(X*theta);
   
4. J = -(y'*log(h)+(1-y')*log(1-h))/m+lamda*(theta'*theta)/(2*m);
   
5. grad = X'*(h-y)/m+lamda*[0;theta(2:end)]/m;
   
6. end

复制代码

1. %% 逻辑回归one-Vs-All
   
2. function all_theta = oneVsAll(X,y,num_labels,lamda)
   
3. %% 初始设置
   
4. [m,n] = size(X);
   
5. X = [ones(m,1),X];
   
6. all_theta = zeros(num_labels,n+1);
   
7. options = optimset('GradObj','On','MaxIter',50);
   
8. 
   
9. for K = 1:num_labels
   
10.     init_theta = zeros(n+1,1);
    
11.     costFun = @(the)lrCostFunction(X,(y==K),the,lamda);
    
12.     theta = fmincg(costFun,init_theta,options);
    
13.     all_theta(K,:) = theta';
    
14. end
    
15. 
    

复制代码

1. function P = predict(X,theta)
   
2. [m,~] = size(X);
   
3. X = [ones(m,1),X];
   
4. h = sigmoid(X*theta');
   
5. [~,P] = max(h,[],2);
   
6. end

复制代码

1. function g = sigmoid(x)
   
2. g = 1./(1+exp(-x));
   
3. end

复制代码

Ps：（1）就是附件里这个函数MATLAB里面不是自带的，但是一般都会提供给大家使用，这个保存一下就OK了。
（2）这个老登的数据库把所有y的值是0的自动定义成了10，不然他的函数预测部分会出错，我还自己想了半天[0,9]→[1,10]是怎么做的，但事实上，数据库主任提前把这个bug修复了。。
（3）大家感兴趣的可以随便找其他图片进行训练，只不过那个oneVsAll函数部分需要添加一个category，比手写数字这种复杂一丢丢，但是原理一样的啦~

小声逼逼：本来是想一小时独立敲完的，但是虽然差不多一个小时，可是one-Vs-All部分有些函数的输入参量啥的记不大清了，所以最后还是看了大佬给的开源文件，嘤嘤嘤

峥途

收工~回家！