DogCat

同学你好，第1题与第2题所有代码均已上传，请见附件；中间运行结果（提取的Harr features）保存在mat文件里，第2题运行结果见截图。所有代码须与DogCat置于同一目录下运行。如有疑问欢迎交流！

如果对我的回答感到满意的话，麻烦选为最佳答案，谢谢！！

1a可以直接运行，主要用了循环以及求和函数sum；1b是一个提取特征值的函数，需要调用运行，主要用到题中所给的公式以及1a；1c可以直接运行，用到了1b函数；题目2的程序用到了KNN分类和神经网络分类的方法，以及1c提取的特征数据，可以直接运行。

程序运行过程实际上很难用几句话讲清楚，毕竟代码都要写上百行。我只能简略说一下算法设计思路，具体流程你还是要自己看代码和代码注释，如果还是有不明白的可以针对某一行或某几行代码的作用具体提问。第二问算法主要是这样的：先用第一问的算法提取训练和测试图片的特征值。对于KNN分类，计算每个测试图片的特征向量与训练图片向量之间的欧式距离，找到距离最小的k个训练图像，以这k个训练图像的label平均作为预测测试图像的label；对于NN分类，训练了一个简单的两层hidden layer的分类网络，每个hidden layer有50个unit，loss采用cross entropy。训练完成之后在测试集上测试。

1a中先创建一个48*48空矩阵，之后遍历每个entry，计算第(i,j)位置的值为原图(1:i, 1:j)所有像素值之和。

1c则是顺序按编号读取图片，利用1b中代码提取特征向量，并按行存储在一个矩阵中。1b的代码并非我所写，在此不便解释。

如果对我的回答感到满意的话，麻烦选为最佳答案，谢谢！！这对我非常重要！