离散小波变换DWT MATLAB代码-应用数学毕业设计: Applied_M...

简介：
本项目为应用数学专业毕业设计，主要内容是利用MATLAB实现离散小波变换(DWT)及其在信号处理中的应用。通过编程实践，深入理解DWT的原理与算法，并探讨其实际问题解决能力。代码及文档可用于学术研究和学习参考。 离散小波变换（DWT）的Matlab代码用于应用数学课程设计项目，在这个项目中使用了Alexnet和Googlenet进行猫与狗的二元分类卷积神经网络（CNN）。以下是项目的详细过程： 1. 使用Python直接构建模型，具体参考竞赛文件夹kaggle_cats_dogs。 2. 对图像进行了增强处理，并对训练集中的图像应用了离散小波变换。在尝试使用DWT时，准确率达到了65%。 3. DWT_RGB.m是用于实现离散小波变换的代码。 4. 使用Googlenet和Alexnet进行模型训练与测试： - Alexnet：猫分类准确率为87.04%，狗为83.33%，验证集（各包含77张图像）的准确性分别为猫92.68%、狗89.02%。 - Googlenet：由于计算时间较长，推荐使用GPU而非CPU。Googlenet在交叉验证5次且最小批量大小为3的情况下准确率达到93.33%，测试集同样包含77张猫和77张狗的图像。 项目采用的是Matlab R2017b版本及以上，并利用了计算机视觉系统工具箱、图像处理工具箱、神经网络工具箱，以及并行计算工具箱与统计及机器学习工具箱。