资源简介
利用BP神经网络与RBF(径向基函数)网络对行人、自行车、卡车三类目标进行分类,比较两种网络的分类性能,包含三类目标的数据信息,完整的代码
代码片段和文件信息
#include
#include
#include
#include
#include
#include
#include
#include
#include
#include
#include
#include
#include
using std::string;
using namespace std;
#include
#include
#include
#include
#define OUT_COUT 3 //输出向量维数
#define IN_COUT 10 //输入向量维数
#define COUT 188 //样本数量
#define BTW_START 30
#define BTW_END 100
#define maxLoop 300000
#define numernum 20
#define studyeff 0.01
#define errorange 5.2
int getpath(std::string dataPathhead vector &datasum)
{
WIN32_FIND_DATA FindFileData;
HANDLE hFind;
hFind = FindFirstFile(dataPathhead.c_str() &FindFileData);
if (hFind != INVALID_HANDLE_VALUE)
{
do
{
if ((FindFileData.dwFileAttributes != FILE_ATTRIBUTE_DIRECTORY)
&& strcmp(FindFileData.cFileName “.“)
&& strcmp(FindFileData.cFileName “..“))
{
datasum.push_back(FindFileData.cFileName);
//printf (“文件:%s\n“ FindFileData.cFileName);
}
} while (FindNextFile(hFind &FindFileData));
}
return 1;
}
int getdata(CStdioFile &stdiofile vector &BTW_Bdata)
{
CString strValue = ““;
while (stdiofile.ReadString(strValue))
{
BTW_Bdata.push_back(atoi(strValue));
}
return 1;
}
/*
void getcharater(vector BTW_Bdatafloat &maxfloat &pos)
{
max=BTW_Bdata[0];
pos=0;
for(int i=1;i {
if(max {
pos=i;
max=BTW_Bdata[i];
}
}
}*/
float mean10(float data[])
{
float mean = 0;
for (int i = 0; i<10; i++)
{
mean += data[i];
}
return mean / 10;
}
void getcharater(vector BTW_Bdata float data[])
{
float data1[10];
for (int i = 0; i<10; i++)
{
for (int j = 0; j<10; j++)
{
data1[j] = BTW_Bdata[i * 10 + j + 2];
}
data[i] = mean10(data1);
}
float max = data[0];
for (int i = 1; i<10; i++)
{
if (max {
max = data[i];
}
}
for (int i = 0; i<10; i++)
{
data[i] /= max;
}
}
int get_train_data(float x[COUT][IN_COUT] int y[COUT][OUT_COUT])
{
int i j i0 = 0;
vector datasum;
vector BTW_Bdata;
std::string dataPathheadr = “D:\\BPBTWdata\\Bf\\“;
getpath(dataPathheadr + “*“ datasum);
j = datasum.size();
std::string dataPathr;
CStdioFile stdiofile;
for (i = 0; i {
dataPathr = dataPathheadr + datasum[i];
printf(“get:%s\n“ datasum[i].c_str());
stdiofile.Open(dataPathr.c_str() CFile::modeRead | CFile::shareDenyNone);
getdata(stdiofile BTW_Bdata);
stdiofile.Close();
int i1;
float max1;
//getcharater(BTW_Bdatamax1x[i0][0]);
getcharater(BTW_Bdata &x[i0][0]);
//x[i0][0]/=80;
BTW_Bdata.clear();
y[i0][0] = 1;
y[i0][1] = 0;
y[i0][2] = 0;
}
datasum.clear();
dataPathheadr = “D:\\BPBTWdata\\Tf\\“;
getpath(dataPathheadr + “*“ datasum);
j = datasum.si
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2016-03-15 15:00 作业1\
目录 0 2016-03-15 15:00 作业1\B\
文件 8320 1992-06-27 16:30 作业1\B\B102
文件 8320 1992-06-27 16:30 作业1\B\B103
文件 8320 1992-06-27 16:30 作业1\B\B104
文件 8320 1992-06-27 16:30 作业1\B\B105
文件 6255 2015-03-18 11:13 作业1\B\B11
文件 6255 2015-03-18 11:14 作业1\B\B15
文件 6255 2015-03-18 11:15 作业1\B\B16
文件 6255 2015-03-18 13:33 作业1\B\B27
文件 6255 2015-03-18 13:34 作业1\B\B30
文件 6255 2015-03-18 13:35 作业1\B\B35
文件 6255 2015-03-18 13:36 作业1\B\B36
文件 8320 1992-06-27 16:18 作业1\B\B37
文件 8320 1992-06-27 16:18 作业1\B\B38
文件 8320 1992-06-27 16:18 作业1\B\B39
文件 8320 1992-06-27 16:18 作业1\B\B40
文件 8320 1992-06-27 16:18 作业1\B\B42
文件 8320 1992-06-27 16:18 作业1\B\B43
文件 8320 1992-06-27 16:18 作业1\B\B44
文件 8320 1992-06-27 16:18 作业1\B\B45
文件 8320 1992-06-27 16:24 作业1\B\B46
文件 8320 1992-06-27 16:24 作业1\B\B47
文件 8320 1992-06-27 16:24 作业1\B\B48
文件 8320 1992-06-27 16:24 作业1\B\B49
文件 8192 1992-06-27 16:24 作业1\B\B50
文件 8320 1992-06-27 16:24 作业1\B\B51
文件 8192 1992-06-27 16:24 作业1\B\B52
文件 8320 1992-06-27 16:28 作业1\B\B53
文件 8320 1992-06-27 16:28 作业1\B\B54
文件 8320 1992-06-27 16:28 作业1\B\B55
............此处省略224个文件信息
相关资源
- 神经网络与深度学习 高清完整版
- 基于SSD神经网络目标检测的交通标志
- Spiking神经网络的研究及其在图像分割
- 基于神经网络和主元分析的特征集生
- 基于模拟退火的神经网络算法
- excel版BP神经网络,公式运算
- 人工神经网络理论、设计及应用.pdf
- BP神经网络的算法改进及应用
- 清华大学模式识别教材
- 神经网络PPT,MLPRBFSVM
- 卷积神经网络 入门介绍 展示PPT
- 神经网络导论中文的pdf
- 非线性随机系统自适应神经网络控制
- Neural Network Methods for Natural Language Pr
- 卷积神经网络英文版综述
- 一份实用《图神经网络GNN》笔记
- bp网的程序,设计一个神经网络字符分
- 基于卷积神经网络的图像分类
- 神经网络与深度学习吴恩达第三周编
- kdd 99 ---cnn神经网络
- 基于Tensorflow的小波神经网络实验代码
- 循环神经网络和LSTM课件
- 人工神经网络导论
- 基于BP神经网络的无刷直流电机PID控制
- 用BP神经网络实现minist手写数字识别
- caffe深度学习薛开宇笔记-基于卷积神
- pso优化BP神经网络71465
- Neural Network and Deep Learning神经网络与深
- 神经网络与深度学习(Neural Networks
- 卷积神经网络CNN学习笔记 pdf
评论
共有 条评论