清除所有.doc

清除所有;训练纹理图像上升是“WD='目录;CD(WD);ImageFiles=DIR;NumberofImages=大小(ImageFiles1);I=3:NumberofImages       图片=imread(ImageFiles(一)名称。);           %到4级,使用小波function'db1分解纹理图像“               %的特点,首先采取所有平方值的总和    %,从每一个分解的小波系数,然后根    %的总和为每个分解的特征值,完全    %有3X4+1=13为每个图像的功能       %创建培训inputvector,对齐相同的特征值    %纹理线和在训练中设置不同的纹理图像    %列    traininginput(1,I-2)=SUM(SUM(ca3.*CA3));    ......            %建立相应的outputvector,对齐类号(    %每个图像训练集)使用二进制格式    %列,例如,因为我们有12种,我们可以使用4位二进制代码    %的代表性,[1000]'树皮,[0100]    %BeachSand....            确保列inputvector和outputvector    %,这个数字是在质地immages总数    %训练集结束%执行相同的程序和测试的纹理图像创建%测试inputvector和outputvector%[0,1]的训练和测试数据规范化或只使用使用MINMAX%正常化的网络选项%创建一个MLP网络的纹理分类的培训和测试,使用%'tansig传递函数的隐层和“logsig”为outputlayer,%使用“traincgb”作为训练算法%可以使用的一些训练参数,使用默认值%,其余的参数,.=.=.=;%owrk%模拟(测试)的神经网络计算的分类%的性能imshow(图片)Qīngchúsuǒyǒu;Xùnliànwénlǐtúxiàngshàngshēngshì“WD='mùlù;CD(WD);ImageFiles=DIR;NumberofImages=dàxiǎo(ImageFiles1);I=3:NumberofImages       Túpiàn=imread(ImageFiles(yī)míngchēng.);           %Dào4jí,shǐyòngxiǎobōfunction'db1fēnjiěwénlǐtúxiàng“               %Detèdiǎn,shǒuxiāncǎiqǔsuǒyǒupíngfāngzhídezǒnghé    %,Cóngměiyīgèfēnjiědexiǎobōxìshù,ránhòugēn    %Dezǒnghéwèiměigèfēnjiědetèzhēngzhí,wánquán    %Yǒu3X4+1=13wèiměigètúxiàngdegōngnéng       %Chuàngjiànpéixùninputvector,duìqíxiāngtóngdetèzhēngzhí    %Wénlǐxiànhézàixùnliànzhōngshèz