在matlab中协调NN输入的规范化

Question

我正在尝试在Matlab中实现分类NN。 我的输入是来自图像的坐标簇。 （对应于delaunay三角剖分顶点） 这种格式有3个簇（光学算法的结果）：

（并非所有群集都具有相同的大小。）。元素表示欧几里德2d空间中的坐标。所以（110,12）是我图像中的一个点，所描绘的矩阵代表一个点集。 在图像边缘上完成聚类。因此，坐标指的是图像矩阵上的逻辑值（在这种情况下总是1s）。（在边缘检测之后，图像中有3个“密集”区域，并且这些像素集合用于分类）。有6个目标类。

所以，我的问题是如何将它们格式化为单列向量输入以用于神经网络？ （有一个相关的答案here但是如果可能的话我想进行一些阐述。（我现在可能从12小时尝试的东西太累了，不要100％得到它：D :(） 请记住，每张图片有3种不同的坐标矩阵，所以我最初的想法是，用3个输入（不同长度）创建一个nn。但是如何序列化呢？

如果有帮助，这是一个带有标签的群集：

Answer 1

为了训练分类器，你需要一个矩阵X，其中每一行都对应一个图像。如果要使用坐标表示，这意味着所有图像必须具有相同的大小，例如，M乘N.因此，图像的行将具有M次N个元素（要素），并且相应的要素值将是群集分配。类向量y将是您拥有的任何标签，这是您通过上述注释提到的六个不同类别之一。你应该记住，如果你使用坐标表示，X可以得到非常高维度，除非你有大量的图像，否则你的分类器很可能表现得很差。如果您的图像很少，请考虑使用我在其中一条评论中建议的属于像素的像素分数：这可以为您提供更短的特征描述，这些特征描述对于旋转和平移是不变的，并且可以产生更好的分类。