我如何在我的代码组织图像?

21次浏览(过去30天)

显示旧的注释

法布里奇奥Lepori 2021年2月4日

0
链接

直接链接到这个问题

//www.tianjin-qmedu.com/matlabcentral/answers/736477-how-can-i-organize-the-images-in-my-code

评论道: Sourabh Kondapaka 2021年2月17日

你好，我刚刚写了一个识别手写数字的代码，但我遇到了一个问题。在我的代码中，我想在代码的对应部分的右侧显示图像和图表。例如，我决定使用一个For循环，以显示所有不同的十位数字，但当我运行的代码图像到整个代码的结束，我怎么能解决这个问题?如果有帮助，我将分享代码，如果同样的事情发生在你身上，请告诉我。数据集可以在这里找到 http://archive.ics.uci.edu/ml/datasets/Optical+Recognition+of+Handwritten+Digits

                         Y_tra = load(“optdigits.tra”）;%carico il训练集
                        
                         Y_tes = load(“optdigits.tes”）;%carico il测试集
                        
                         特征= 1:64;
                        
                         Nfeatures =长度(特征);
                        
                         N = size(Y_tra,1);
                        
                         X = Y_tra(:，特征);
                        
                         Y_class = Y_tra(:，65);经典训练集
                        
                         class_labels = categorical(唯一的(Y_class));%vediamo量纲分类声呐转形在数据分类中
                        
                         Ncl = length(class_labels);
                        
                         Y_class_ones = 0 (Ncl,N);%per usare alcune funzioni bisogna esprimere I dati come matrici, con 1 in corrispondenza Della类(右)每个ogni项目(colonne)
                        
                         为c = 1: Ncl
                        
                         Y_class_ones (c,发现颈- 1 (Y_class = =)) = 1;
                        
                         结束
                        
                         数字每隔10分钟，就有一个测试装置
                        
                         为i = 1:10
                        
                         次要情节(2、5、我)
                        
                         显示亮度图像(重塑(Y_tes(我1:64)、8、8)');
                        
                         colormap (“灰色”）;
                        
                         轴广场；
                        
                         标题= sprintf(“# % d '、张);
                        
                         标题(标题);
                        
                         结束
                        
                         trainRatio = 0.5;%metà每il培训效果
                        
                         valRatio = 0.25;%un quarto每次验证
                        
                         testRatio = 0.25;%un quarto每il写入器取决于测试，ossia il测试集
                        
                         [trainInd,valInd,testInd] = dividerand(N,trainRatio,valRatio,testRatio);
                        
                         Ytra = Y_tra(trainInd，:);%训练集
                        
                         Ytra_class = Y_class(trainInd);
                        
                         Ntr = size(Ytra,1);
                        
                         Yts = Y_tra(testInd，:);%测试集
                        
                         Yts_class = Y_class(test);
                        
                         Nts = size(Yts,1);
                        
                         Ytr_class_ones = Y_class_ones(:，trainInd);
                        
                         Yts_class_ones = Y_class_ones(:，testInd);
                        
                         [U,Xpc,S] = pca(Ytra);
                        
                         图(“位置”， [0 0 600 600]);
                        
                         线(Xpc (: 1), Xpc (:, 2), Xpc (:, 3),“线型”，“没有”，“标记”，“。”）;
                        
                         包含(“电脑1”）;
                        
                         ylabel (《PC 2》）;
                        
                         zlabel (“PC 3”）;
                        
                         盒子从；
                        
                         视图(3);
                        
                         持有在
                        
                         biplot (400 * U (: 1:3));
                        
                         D = size(Ytra,2);
                        
                         图(“位置”， [0 0 600 200]);
                        
                         栏(1:D, 100 * S / sum (S));
                        
                         包含(“#组件”）;
                        
                         ylabel (“% var”）;
                        
                         标题(“帕累托图”）;
                        
                         盒子从
                        
                         classtype =“naivebayes”
                        
                         Nt = 1;
                        
                         px_C = [];
                        
                         PrC_x = [];
                        
                         auc = 0(长度(类类型)，Ncl);
                        
                         为类型= classtype
                        
                         开关类型
                        
                         情况下“naivebayes”
                        
                         %的火车
                        
                         Mdl = fitcnb(Ytra,Ytra_class，“DistributionNames”，“锰”）;
                        
                         %测试
                        
                         [label,Posterior] = predict(Mdl,Yts);
                        
                         Yts_pred =后验';
                        
                         情况下“mln”
                        
                         Nhid = 5;
                        
                         %的火车
                        
                         net = patternnet(Nhid);
                        
                         net_tr = train(net, Ytra'， Ytr_class_ones);
                        
                         net_ts = train(net, Yts'， Yts_class_ones);
                        
                         视图(net_tr);
                        
                         %测试
                        
                         Yts_pred = net_tr(Yts');
                        
                         Ytr_pred = net_tr(Ytra');
                        
                         结束
                        
                         plotconfusion (Yts_class_ones Yts_pred);
                        
                         集(gcf,“位置”，[0 0 500 500]，“颜色”，' w '）;%测试集
                        
                         标题(类型);
                        
                         % plotconfusion (Ytr_class_ones Ytr_pred);
                        
                         %设置(gcf“位置”,[0 0 500 500],“颜色”,“w”);%训练集
                        
                         %的标题(类型);
                        
                         结束