Matlab 模式识别中的神经网络测试

我已经实现了一个用于模式识别的神经网络。 从这两类图像中，我使用了SIFT feature+BOvW来制作图像描述符。 经过培训和验证，我得到了总准确率为80%的混淆矩阵。 在这里，我有两个疑问 （我已经在MatlabGUI中完成了）

1） 当我训练网络时，它会给出不同的值（混淆矩阵）。在这种情况下，我如何验证网络？（MATLAB文档说明由于初始条件不同，如何设置？我不改变图像的分割）

---

2） 在培训和验证之后，如果我输入了图像，我如何使用此网络来判断图像的类别

当你说“它给出了不同的值”时，它们有多大区别？顺便提一下，你不能用支持向量机代替神经网络吗？NNs在数据样本较少的情况下似乎存在问题。不同的值，如我完成训练+验证（MATLAB）时的混淆矩阵，给出的总体准确度在50%-80%之间（多次）。但大多超过70%。这有什么严重的错误吗？在MATLAB GUI中，它也是这样写的：“由于不同的初始条件和采样，多次训练将产生不同的结果”。有没有办法修复它以获得良好的结果？。我每堂课有70个样品，这是原因吗？（SVM是一个不错的选择，但我的目标是使用神经网络并分析其在目标检测中的性能）是的，这很糟糕。。你用的是哪种神经网络？单层，多层？这个如何-使用支持向量机，查看混淆矩阵和准确性。如果你真的无法获得合理的准确度，我想你可能会认为该功能有问题。我使用了由200300个隐藏神经元组成的单个隐藏层。对于隐藏层增量，结果不会变得更好。我使用了训练函数Levenberg-Marquardt反向传播和缩放共轭梯度反向传播，但仍然没有改进。我会检查你的建议（svm）并发布。非常感谢。