You are here: MatlabCode > 测试集
测试集
-
交叉验证cross Validation
matlab交叉验证cross Validation，把样本集分为训练集和测试集，防止网络出现过拟合，提高网络的泛化能力和预测精度 -
最小平方误差准则(MSE准则)通过训练样本集建立线性判别函数
本文采用最小平方误差准则(MSE准则)通过训练样本集建立线性判别函数，并用线性判别函数去判断测试集。数据集报告：1、男女生2、sona3、ups -
BP神经网络进行汽油辛烷值预测
I. 清空环境变量 II. 训练集/测试集产生 III. BP神经网络创建、训练及仿真测试 IV. 性能评价 V. 绘图 较为详细的介绍BP神经网络的运用（附有图片） -
-
思维进化算法优化BP神经网络
应用背景 孙承意等人1998年提出了思维进化算法，本章将详细介绍思维进化算法的基本思想，并结合非线性函数拟合案例，在MATLAB环境下实现思维进化算法。 关键技术 1.训练集/测试集产生。2.初始种群产生。3.子种群趋同操作。4.子种群异化操作。5.解析最优个体。6.训练BP神经网络。7.仿真测试、结果分析。 -
-
图像的特征用到了Dense Sift
图像的特征用到了Dense Sift，通过Bag of Words词袋模进行描述，当然一般来说是用训练集的来构建词典，因为我们还没有测试集呢。虽然测试集是你拿来测试的，但是实际应用中谁知道测试的图片是啥，所以构建BoW词典我这里也只用训练集。其实BoW的思想很简单，虽然很多人也问过我，但是只要理解了如何构建词典以及如何将图像映射到词典维上去就行了，面试中也经常问到我这个问题，不知道你们都怎么用生动形象的语言来描述这个问题？用BoW描述完图像之后，指的是将训练集以及测试集的图像都用BoW模型描述了，就可以用 -
-
-
