如何在Matlab newff方法中设置输出大小

[poster]

摘要：我正在尝试根据身体部位之间的角度对某些图像进行分类。

我假设人体由10个部分（如矩形）组成，并找到每个部分的中心，并参考躯干计算每个部分的角度。我有三个动作类别：“手波行走”。我的目标是找到哪些测试图像属于哪个动作类别。

事实： TrainSet：1057x10功能集，1057代表图像数量。测试集：821x10

我希望我的输出是3x1矩阵，每行显示操作类别的分类百分比。第1行：手波第2行：正在步行第3行：正在运行

码：

actionCat='H'; [train_data_hw train_label_hw] = tugrul_traindata(TrainData,actionCat); [test_data_hw test_label_hw] = tugrul_testdata(TestData,actionCat); actionCat='W'; [train_data_w train_label_w] = tugrul_traindata(TrainData,actionCat); [test_data_w test_label_w] = tugrul_testdata(TestData,actionCat); actionCat='R'; [train_data_r train_label_r] = tugrul_traindata(TrainData,actionCat); [test_data_r test_label_r] = tugrul_testdata(TestData,actionCat); Train=[train_data_hw;train_data_w;train_data_r]; Test=[test_data_hw;test_data_w;test_data_r]; Target=eye(3,1); net=newff(minmax(Train),[10 3],{'logsig' 'logsig'},'trainscg'); net.trainParam.perf='sse'; net.trainParam.epochs=50; net.trainParam.goal=1e-5; net=train(net,Train); trainSize=size(Train,1); testSize=size(Test,1); if(trainSize > testSize) pend=-1*ones(trainSize-testSize,size(Test,2)); Test=[Test;pend]; end x=sim(net,Test); 问题：我正在使用Matlab newff方法，但是我的输出始终是Nx10矩阵而不是3x1。我的输入集应分为3类，但它们分为10类。

谢谢


回答：
%% Load data : I generated some random data instead Train = rand(1057,10); Test = rand(821,10); TrainLabels = randi([1 3], [1057 1]); TestLabels = randi([1 3], [821 1]); trainSize = size(Train,1); testSize = size(Test,1); %% prepare the input/output vectors (1-of-N output encoding) input = Train'; %'matrix of size numFeatures-by-numImages output = zeros(3,trainSize); % matrix of size numCategories-by-numImages for i=1:trainSize output(TrainLabels(i), i) = 1; end %% create net: one hidden layer with 10 nodes (output layer size is infered: 3) net = newff(input, output, 10, {'logsig' 'logsig'}, 'trainscg'); net.trainParam.perf = 'sse'; net.trainParam.epochs = 50; net.trainParam.goal = 1e-5; view(net) %% training net = init(net); % initialize [net,tr] = train(net, input, output); % train %% performance (on Training data) y = sim(net, input); % predict %[err cm ind per] = confusion(output, y); [maxVals predicted] = max(y); % predicted cm = confusionmat(predicted, TrainLabels); acc = sum(diag(cm))/sum(cm(:)); fprintf('Accuracy = %.2f%%\n', 100*acc); fprintf('Confusion Matrix:\n'); disp(cm) %% Testing (on Test data) y = sim(net, Test'); 请注意，我是如何从每个实例(1/2/3)类别标签转换为1-to-N编码向量的([100]: 1, [010]: 2, [001]: 3)

另请注意，当前未使用测试集，因为默认情况下，输入数据分为训练/测试/验证。您可以通过将net.divideFcn设置为Divindind函数，并设置相应的net.divideParam参数来实现手动划分。

我在相同的训练数据上显示了测试，但是您可以对测试数据进行相同的操作。



更多&回答...