Cifar

这是一个 EE369 项目，用 Matlab 实现了五种分类器：KNN、线性 SVM、核 SVM、Fisher 线性判别和核 Fisher 判别，用于对 CIFAR-10 和 MNIST 图像数据集进行分类。 文件说明： init.m: 在测试 CIFAR-10 之前必须先运行此文件！它包含 VLFeat 特征提取库的代码。 train.m: 为 CIFAR-10 选择分类器并训练模型。 classify.m: 为 CIFAR-10 选择分类器并进行分类。 localtest.m: CIFAR-10 的主程序，在此运行 CIFAR-10 分类。 localtest2.m: MNIST 的主程序，直接在此文件中选择分类器并运行 MNIST 分类。需要选择 train 和 classify 文件。 localtest3.m: 当 MNIST 运行时内存不足（电脑内存小于 8GB）时，使用此文件运行 MNIST 分类。 注意事项： SVM 和核 Fisher 判别在内存小于 8GB 的电脑上运行 MNIST 时可能会提示内存不足，此时请使用 localtest3.m 文件运行。 如果相对路径不成功，请根据实际情况修改文件路径。

DeepLearing-CIFAR10 Train.m是一个MatLab M文件，用于构建深度学习网络并利用CIFAR10数据库进行训练。在测试阶段，可以直接使用saved.m脚本来读取saves文件夹中的数据并进行网络构建。若要更新网络结构并希望下次直接读取，需将saves文件夹内容复制到saved文件夹，并使用saved.m脚本进行测试。此外，代码中使用了梯度下降函数minFunc以及多种支持函数来处理数据。MatLab生成的HTML代码页面发布页可通过html访问。

我利用自己构建的卷积神经网络成功实现了CIFAR-10数据集的分类任务。