模式识别实验报告（二）
学院：
专业：
学号：
姓名：XXXX
教师：
目录
1实验目的 (1)
2实验内容 (1)
3实验平台 (1)
4实验过程与结果分析 (1)
4.1基于BP神经网络的分类器设计 .. 1 4.2基于SVM的分类器设计 (4)
4.3基于决策树的分类器设计 (7)
4.4三种分类器对比 (8)
5.总结 (8)
1)1实验目的
通过实际编程操作，实现对课堂上所学习的BP神经网络、SVM支持向量机和决策树这三种方法的应用，加深理解，同时锻炼自己的动手实践能力。
2)2实验内容
本次实验提供的样本数据有149个，每个数据提取5个特征，即身高、体重、是否喜欢数学、是否喜欢文学及是否喜欢运动，分别将样本数据用于对BP神经网络分类器、SVM支持向量机和决策树训练，用测试数据测试分类器的效果，采用交叉验证的方式实现对于性能指标的评判。具体要求如下：
BP神经网络--自行编写代码完成后向传播算法，采用交叉验证的方式实现对于性能指标的评判（包含SE,SP,ACC和AUC，AUC的计算可以基于平台的软件包）；
SVM支持向量机--采用平台提供的软件包进行分类器的设计以及测试，尝试不同的核函数设计分类器，采用交叉验证的方式实现对于性能指标的评判；
决策树--采用平台提供的软件包进行分类器的设计以及测试，采用交叉验证的方式实现对于性能指标的评判（包含SE,SP,ACC和AUC，AUC的计算基于平台的软件包）。
3)3实验平台
专业研究方向为图像处理，用的较多的编程语言为C++，因此此次程序编写用的平台是VisualStudio及opencv，其中的BP神经网络为自己独立编写，SVM 支持向量机和决策树通过调用Opencv3.0库中相应的库函数并进行相应的配置进行实现。将Excel中的119个数据作为样本数据，其余30个作为分类器性能的测试数据。
4)4实验过程与结果分析
4.1基于BP神经网络的分类器设计
BP神经网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。其学习规则是使用梯度下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hidden layer)和输出层(output layer)。
在独自设计的BP神经中，激励函数采用sigmod函数，输入层节点个数为5，
一个隐层并且节点数为5，输出节点数为1个，通过读取excel中相应的特征数据，进行训练，再用测试数据进行测试。如图4-1为所设计的BP类。
图4-1 BP类的设计源码
如图4-1，其中重要的两个函数便是神经网络的训练train和识别函数recognize,具体的源码如图4-2，图4-3，图4-4。其中训练函数包括了前向传播以及后向传播的权值修正，而识别函数只包括了前向传播后输出计算结果。
图4-2 BP分类器的训练函数一
图4-3 BP分类器的训练函数二
图4-4 BP分类器的识别函数
输入119个样本数据进行训练后，输入30个测试数据进行测试，测试结果如图4-5所示。通过数据可以看出共30个测试数据，其中有两个正样本被分为
负样本，即男生分类成了女生。其中ROC曲线（受试者工作特性曲线）如图4-6，可见该曲线的AUC值为0.96表示分类器的效果是较好的，从敏感性（SE）、特异性(SP)和准确率（ACC）也可以看出分类器的效果还是不错的。
图4-5 BP测试结果
图4-6BP测试结果的ROC曲线
4.2基于SVM的分类器设计
SVM即支持向量机。SVM的主要思想可以概括为两点：第一是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能。通常在线性不可分的情况下，通过核函数进行非线性映射达到线性可分的效果。其中核函数的类型包括线型、多项式型和RBF高斯核等，采用不同的核函数可能造成的分类效果有所区别，在本实验中分别利用三种核函数对测试数据进行测试。SVM调用Opencv3.0中的库函数来实现，Opencv3.0所集成的SVM为libsvm。源码如图4-7。
图4-7SVM调用源码
由图4-7可以看到，首先对SVM进行了参数设置，接着调用训练函数，接着进行测试数据测试，分别采用高斯核、线型核和SIGMOD核测试结果如图4-8到4-10，所对应的ROC曲线如图4-11到4-13所示。
图4-8高斯核分类结果
图4-9线型核分类结果
图4-10SIGMOD核分类结果
图4-11高斯核分类ROC曲线
图4-12线型核分类ROC曲线
图4-13SIGMOD核分类ROC曲线
由上面的图4-8到图4-13可以看出，高斯核出现2个分类错误，线性核出现3个分类错误，而sigmod核未出现分类错误，再结合ROC曲线及AUC值，可以看出对于测试数据，sigmod核函数具有最高的分类效果，可以实现完全的正确分类，而高斯核其次，线性核性能稍微差一点，出现误差的类型都是将男生错分为了女生。
4.3基于决策树的分类器设计
决策树(Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形很像一棵树的枝干，故称决策树。在机器学习中，决策树是一个预测模型，他代表的是对象属性与对象值之间的一种映射关系。在本次实验中，调用Opencv3.0中的决策树类来进行数据的训练与分类。调用源码如图4-14。
图4-14 决策树调用源码
在图4-14中，首先初始化决策树，设置了决策树的最大深度等初始化信息，接着进行样本数据训练，最后进行预测数据预测，其结果如图4-15和图4-16。
图4-15 决策树测试结果图4-16决策树测试结果ROC曲线
由图4-15到图4-16可以看出，在决策树分类器对于测试数据的分类中也出现了两个分类错误，也是将男生分为了女生。
4.4三种分类器对比
通过以上三种分类器的测试结果，可以发现他们有各自的优缺点，具体如下：
5.总结
通过这次实验，对课堂上所学习的BP神经网络、SVM、决策树进行了学习巩固，加深了对其原理的理解，通过编程完成了对分类器的训练和预测的实验过程。通过参数的调节所设计的分类器在30个测试数据中都有较好的分类效果，其中最差的仅将三个数据分错，通过观察可以发现，分类错误主要都是将男生误分类成了女生，原因在于该男生的特征数据与女生较为相似，这应该是造成分类错误的一大原因，同时分类器在编程设计当中也存在很多问题，分类效果有待提高。通过这次的实验，发现了自己的很多不足，上课要更认真的听讲，及时解决遇到的问题，编程能力也急需提高，MATLAB强大的功能要学会使用，同时要进一步提高C++变成水平，为以后实际的工程项目及应用打好基础。
神经网络模式识别Matlab程序识别加入20%噪声的A-Z26个字母。（20%噪声情况下，完全能够识别）clear;close all; clc; [alphabet,targets]=prprob; [R,Q]=size(alphabet); [S2,Q]=size(targets); S1=10; P=alphabet; net=newff(minmax(P),[S1,S2],{'logsig''logsig'},'traingdx'); net.LW{2,1}=net.LW{2,1}*0.01; net.b{2}=net.b{2}*0.01; T=targets; net.performFcn='sse'; net.trainParam.goal=0.1; net.trainParam.show=20; net.trainParam.epochs=5000; net.trainParam.mc=0.95; [net,tr]=train(net,P,T); netn=net; netn.trainParam.goal=0.6; netn.trainParam.epochs=300; T=[targets targets targets targets]; for pass=1:10; P=[alphabet,alphabet,... (alphabet+randn(R,Q)*0.1),... (alphabet+randn(R,Q)*0.2)]; [netn,tr]=train(netn,P,T); end netn.trainParam.goal=0.1; netn.trainParam.epochs=500; netn.trainParam.show=5; P=alphabet; T=targets; [netn,tr]=train(netn,P,T); noise_percent=0.2; for k=1:26 noisyChar=alphabet(:,k)+randn(35,1)*noise_percent; subplot(6,9,k+floor(k/9.5)*9); plotchar(noisyChar); de_noisyChar=sim(net,noisyChar); de_noisyChar=compet(de_noisyChar);
2-18岁男生身高体重对照表注：根据2005年九省/市儿童体格发育调查数据研究制定 年龄矮小偏矮正常偏高高个 3rd 10th 50th 90th 97th 身高 (cm) 体重 (kg) 身高 (cm) 体重 (kg) 身高 (cm) 体重 (kg) 身高 (cm) 体重 (kg) 身高 (cm) 体重 (kg) 2岁82.1 10.22 84.1 10.90 88.5 12.54 93.1 14.64 95.3 15.46 2.5 岁 86.4 11.11 88.6 11.85 93.3 13.64 98.2 15.73 100.5 16.83 3岁89.7 11.94 91.9 12.74 96.8 14.65 101.8 16.92 104.1 18.12 3.5 岁 93.4 12.73 95.7 13.58 100.6 15.63 105.7 18.08 108.1 19.38 4岁96.7 13.52 99.1 14.43 104.1 16.64 109.3 19.29 111.8 20.71 4.5 岁 100.0 14.37 102.4 15.35 107.7 17.75 113.1 20.67 115.7 22.24 5岁103.3 15.26 105.8 16.33 111.3 18.98 116.9 22.23 119.6 24.00 5.5 岁 106.4 16.09 109.0 17.26 114.7 20.18 120.5 23.81 123.3 25.81 6岁109.1 16.80 111.8 18.06 117.7 21.26 123.7 25.29 126.6 27.55 6.5111.7 17.53 114.5 18.92 120.7 22.45 126.9 27.00 129.9 29.57
新生儿男宝宝的平均身高会高于女宝宝一些，根据幼儿生长发育测评标准显示, 新生儿的身高标准范围为男宝宝-53.6cm,平均值为50.2cm,女宝宝-52.8cm,平均值为49.6cm，伴随着孩子的月份成长，由于受营养、遗传、环境等因素影响，孩子的身高在迅速生长的同时，也会表现出一定的差异，在孩子成长的每一个月份里，都要一份标准量表，家长可随时参考。 测量，最好由两个人进行。一人用手固定好宝宝的膝关节、髋关节和头部，另一人用皮尺测量，从宝宝头顶的最高点，至足部的最高点。测量出的数值，即为宝宝身高。？ 道具：两本厚重、不易移动的书（如字典）和一把卷尺。？ 方法：在宝宝熟睡时，把一本书轻轻抵住宝宝的头；然后将宝宝的身体放平直, 在用一只手按直宝宝的同时，另一只手将另一本书抵在宝宝的脚掌后；最后把两本书都立稳后，将宝宝轻轻移幵。这时两本书的距离就是宝宝的身高了。？ 温馨提醒：无需天天为宝宝测量身高，两三周测量一次即可。 4?6个月此期体格生长较出生头三个月有所减缓。体重平均每月平均增长500 -600克，身长每月平均增长约一2.4厘米。有部分孩子在6个月左右幵始萌出第一颗乳牙，一般为下门牙。
4－6 个月男童体格发育 月龄体重（千克）身长（厘米）头围（厘米）胸围（厘米） 4 个月 5 个月 6 个月 ？ 4－6 个月女童体格发育 月龄体重（千克）身长（厘米）头围（厘米）胸围（厘米） 4 个月 5 个月 6 个月 7?9个月此期小儿体格生长速度相对前面6个月来说，继续减慢，体重平均每月增加300-400 克左右，身长平均每月增长 1.5 厘米左右。 7-9 个月男童体格发育
体重（斤）?? 80 ------? 90-----100--110---120--130-----140---150---160---170 码数（裤子）? 25- ---?? 26- ----27- --28- - -29----30- ----31? ---32? ---33 ----34 腰围（尺寸）? 1尺8-- --1尺9---2尺--2尺1--2尺2--2尺3--2尺4--2尺5--2尺6--2尺7 腰围（厘米）? 64------- 67------70---72-----74-----77-----79-----82----87-----90 腰围（尺寸）? 2尺5-- - 2尺6---2尺7--2尺8--2尺9--3尺--3尺1--3尺2--3尺3--3尺4 臀围（厘米）? 83------- 86------89--- 92-----96-----100--103---107---110----113 男上装 S号165适合身高165CM左右，体重100斤以内 M号170适合身高170CM左右，体重120斤以内 L号175适合身高175CM左右，体重120-140斤以内 XL号180适合身高180CM左右，体重140-160斤以内 XXL号185适合身高185CM左右，体重160斤以上 男裤 XS号?? 165A?????? 28码??? 腰围2尺1 S号??? 165B?????? 29码??? 腰围2尺2 M号??? 170A?????? 30码??? 腰围2尺3 L号??? 170B?????? 32码??? 腰围2尺4
XL号?? 175A?????? 34码??? 腰围2尺5 XXL号?? 175B????? 36码??? 腰围2尺6 XXXL号?? 180?????? 38码??? 腰围2尺7 希望可以帮都你 ------------------------------------------------------------------------------------------ 女装 上衣尺码?? 服装尺码?? 中国号型?? 胸围CM??? 腰围CM?? 肩宽CM S??????????????????? 38???????? 153/157A??? 78-81?????? 62-66??? 36 M?????????????????? 40???????? 158/162A??? 82-85?????? 67-70??? 38 L??????????????????? 42???????? 163/167A??? 86-89?????? 71-74??? 40 XL????????????????? 44???????? 168/172A??? 90-93?????? 75-79??? 42 XXL??????????????? 46???????? 173/177A??? 94-97?????? 80-84??? 44 XXXL?????????????? 48???????? 177/180A??? 98-102????? 85-89??? 46 服装尺码-国标尺码:XXS XS S M L XL XXL XXXL 加大XXXL 均码对应身高等尺寸解释! MEN 男装 尺码1/XXS 2/XS 3/S 4/M 5/L 6/XL 身高(cm) 155 160 165 170 175 180 胸围(cm) 76 80 84 88 92 96 腰围(cm) 64 68 72 76 80 84 WOMEN 女装 尺码1/XXS 2/XS 3/S 4/M 5/L 6/XL 7/XXL 身高(cm) 150 155 160 165 170 175 180 胸围(cm) 76 80 84 88 92 96 100 腰围(cm) 60 64 68 72 76 80 84 S SMALL 小的意思 M MIDDLE 中的意思 L LAGER 大的意思 XL EXTRA LARGE 特大号 XXL EXTRA EXTRA LARGE 超特大号 女装----号型：前者表示身高/后者表示胸围 针织号型（如T恤等）： 155/80---S 160/85---M 165/90---L 170/95---XL 梭织号型（如衬衫等）： 155/80B---S
儿童身高体重对照表 用小儿身长预测成年时身高法1、男性身高＝出生时身长(厘米)÷0.2949；女性身高＝出生时身长(厘米)÷0.3109。用此公式要注意：只适用于正常足月新生儿；测量身长数据时如能精确到0.1厘米，身高的预测将更准确。 2、男性身高＝3岁时身高×0.545+父母平均身高×0.544+37.69(厘米)；女性身高＝3岁时身高×0.545+父母平均身高×0.544+25.63(厘米)，人体标准身高预测公式(遗传法则) （下述公式大体上符合“高加高生高，高加矮生高，矮加矮生矮”的遗传学原则。） 男性身高＝(父亲身高＋母亲身高)×1.08÷2(厘米) 女性身高＝(父亲身高×0.923＋母亲身高)÷2(厘米) 骨龄可知孩子的生长潜力骨龄和年龄不是一回事，骨龄是生物年龄，与生长密切相关，常用来评价人生长发育的成熟状态。判断骨龄主要是利用X线，拍一张小儿右手腕骨的X片，根据腕骨X片显示的骨化点的个数及小儿的实际年龄就可以确定小儿的生长潜力。骨化点出现比实际年龄早，说明孩子的生长潜力较小；相反说明小儿生长潜力很大。有些家长为了孩子能长高些，给孩子服用一些催长的药物，虽然暂时加快了小孩的生长，但由于“刹车”时间提前反而影响了最终的身高，这种做法显然是不可取的。 以上几种方法可相互参照，还可以预知孩子生长发育是否正常和孩子的生长潜力，如发现骨龄和孩子的实际年龄不符，应到医院检查。 青少年身高与哪些因素有关在青春期生长突增中，身高的增长非常快。长高的原因主要是骨骼的发育。男孩平均每年可增高7～9厘米，最多可达10～12厘米。女孩平均每年可增高5～7厘米，最多可达8～10厘米。这主要靠下肢和脊柱的增长。一般女性在19～23岁、男性在23～26岁身高才停止增长。这时因为骨骺闭合，所以不能再生长了。由于女性的骨骺闭合一般比男性早，所以成年女性比男性矮。青春期的少男少女都希望自己有较高的身材，这就要进一步了解可能影响身高的因素： （1）身高与性成熟早晚有关成熟年龄的迟早会影响急速成长的身高。一般是急速成长现象发生较早的人，就较快达到终止点；较晚发生的，也较晚达到其终点。当性早熟的少女不再长高时，性晚熟的少女却还在长高。因此，性晚熟的少女就比较高。身高长得最快的时期是青春前期。女孩在月经初潮的前一年，身高的增加可以达7～8厘米；而男孩的身高增长的巅峰期是青春期头一年，约13～14岁，身高增加可达10～12厘米。 （2）身高与营养有关从某种意义上说，身高是营养物质（特别是蛋白质）“堆砌”起来的。构成人体的蛋白质的物质有5～10万种，组成这些蛋白质的8种必需氨基酸要靠食物供给。如果食物能提供足量的8种必需氨基酸，就能加速蛋白质的合成，有助于全身各组织器官的生长发育，特别是骨骼和骼软骨的生长发育。对学龄前儿童的试验表明，每餐面包中增加0．5克赖氨酸的实验组的身高体重显著超过其他儿童。日本将6对孪生婴儿分两组进行试验，第一组给予正常营养，第二组在食物中增添赖氨酸。1300天后，
人工神经网络模式识别 一、人工神经网络模式识别 1、人工神经网络的概述 人工神经网络从人脑的生理学和心理学角度出发，通过模拟人脑的工作机理，实现机器的部分智能行为，是从微观结构和功能上对人脑进行抽象和简化，是模拟人类智能的一条重要途径。具体的模式识别是多种多样的，如果从识别的基本方法上划分，传统的模式识别大体分为统计模式识别和句法模式识别，在识别系统中引入神经网络是一种近年来发展起来的新的模式识别方法。尽管引入神经网络的方法和引入网络的结构可以各不相同，但都可称为神经网络模式识别。而且这些识别方法在解决传统方法较难处理的某些问题上带来了新的进展和突破，因而得到了人们越来越多的重视和研究。 人工神经元网络(Artificial Neural Network)简称神经网络，是基于日前人们对自然神经系统的认识而提出的一些神经系统的模型，一般是由一系列被称为神经元的具有某种简单计算功能的节点经过广泛连接构成的一定网络结构，而其网络连接的权值根据某种学习规则在外界输入的作用下不断调节，最后使网络具有某种期望的输出特性。神经网络的这种可以根据输入样本学习的功能使得它非常适合于用来解决模式识别问题，这也是神经网络目前最成功的应用领域之一。 2、神经网络进行模式识别的方法和步骤 神经网络模式识别的基本方法是，首先用己知样本训练神经网络，使之对不同类别的己知样本给出所希望的不同输出，然后用该网络识别未知的样本，根据各样本所对应的网络输出情况来划分未知样本的类别。神经网络进行模式识别的一般步骤如图2-1所示，分为如下几个部分： 预处理 样本获取常规处理特征变换神经网络识别 图 2-1 神经网络模式识别基本构成 1、样本获取 这一步骤主要是为了得到一定数量的用于训练和识别的样本。
摘要：基于视觉理论的神经网络模式识别理论的研究一直是非常活跃的学科，被认为是神经网络应用最成功的一个方面，它的发展与神经网络理论可以说是同步的。几乎所有现有的神经网络物理模型都在模式识别领域得到了成功的应用，神经网络理论取得进步会给模式识别理论的发展带来鼓舞；相反，模式识别理论的进步又会大大推动神经网络理论的长足发展。它们的关系是相互渗透的。 关键词：神经网络；模式识别 Abstract: The research of pattern recognition theories according to the neural network mode of sense of vision theories has been very active in academics, neural network has been thought one of the most successful applications , its development can been seen as the same step with the neural network theories.Almost all existing physics model of the neural network all identified realm to get success in the mode of application, neural network theories' progress will give the development of the pattern recognition theories much encourage;Contrary, the pattern recognition theories of progress again consumedly push neural network theories of substantial development.Their relations permeate mutually. Key word: neural network; pattern recognition
中国正常成年男子标准体重表（公斤） 身高(cm) 15-19(岁) 20-2425-2930-3435-3940-4445-4950-60 15346.548.049.150.351.152.052.452.4 15547.349.050.151.252.053.253.453.4 15748.250.051.352.152.854.154.554.5 15949.451.052.353.153.955.455.755.7 16150.552.153.354.355.256.657.057.0 16351.753.354.555.556.658.058.558.5 16553.054.555.656.958.159.460.060.0 16754.755.956.958.459.560.961.561.5 16955.457.358.459.861.062.663.163.1 17156.858.859.961.362.563.464.664.6 17358.260.261.362.864.165.966.366.3 17559.561.762.964.565.967.768.468.4 17761.463.364.666.567.769.570.470.5 17963.164.966.468.469.771.372.372.6 18165.066.668.470.471.873.274.474.7 18366.568.370.472.774.075.277.177.4 中国正常成年女子标准体重表（公斤） 身高(cm) 15-19(岁)20-2425-2930-3435-3940-4445-4950-60 15344.045.546.647.848.649.549.949.9 15544.846.547.648.749.550.750.950.9 15745.747.548.849.650.351.652.052.0 15946.948.549.850.651.452.953.253.2 16148.049.650.851.852.754.154.554.5 16349.250.852.053.054.155.556.056.0 16550.552.053.154.455.656.957.557.5 16751.653.454.455.957.058.459.059.0 16952.954.855.957.358.560.160.660.6 17154.356.357.458.860.061.662.162.1 17355.757.758.860.361.663.463.863.8 17557.059.260.462.063.465.265.965.9 17758.960.862.164.065.267.067.968.0 17960.662.463.965.967.268.869.870.1 18162.564.165.967.969.370.771.972.5 18364.065.867.970.271.572.774.674.9
实验七基于神经网络的模式识别实验 一、实验目的 理解BP神经网络和离散Hopfield神经网络的结构和原理，掌握反向传播学习算法对神经元的训练过程，了解反向传播公式。通过构建BP网络和离散Hopfield 网络模式识别实例，熟悉前馈网络和反馈网络的原理及结构。 二、实验原理 BP学习算法是通过反向学习过程使误差最小，其算法过程从输出节点开始，反向地向第一隐含层(即最接近输入层的隐含层)传播由总误差引起的权值修正。BP网络不仅含有输入节点和输出节点，而且含有一层或多层隐(层)节点。输入信号先向前传递到隐节点，经过作用后，再把隐节点的输出信息传递到输出节点，最后给出输出结果。 离散Hopfield神经网络的联想记忆过程分为学习和联想两个阶段。在给定样本的条件下，按照Hebb学习规则调整连接权值，使得存储的样本成为网络的稳定状态，这就是学习阶段。联想是指在连接权值不变的情况下，输入部分不全或者受了干扰的信息，最终网络输出某个稳定状态。 三、实验条件 Matlab 7.X 的神经网络工具箱：在Matlab 7.X 的命令窗口输入nntool，然后在键盘上输入Enter键，即可打开神经网络工具箱。 四、实验内容 1.针对教材P243例8.1，设计一个BP网络结构模型（63-6-9），并以教材图8.5 为训练样本数据，图8.6为测试数据。 （1）运行train_data.m和test_data.m文件，然后从Matlab工作空间导入（Import）训练样本数据（inputdata10，outputdata10）和测试数据（testinputdata，testoutputdata），其次新建一个神经网络（New Network），选择参数如下表1，给出BP神经网络结构图。
体重（斤）80 ------ 90-----100--110---120--130-----140---150---160---170 码数（裤子）25- --- 26- ----27- --28- - -29----30- ----31 ---32 ---33 ----34 腰围（尺寸）1尺8-- --1尺9---2尺--2尺1--2尺2--2尺3--2尺4--2尺5--2尺6--2尺7 腰围（厘米）64------- 67------70---72-----74-----77-----79-----82----87-----90 腰围（尺寸）2尺5-- - 2尺6---2尺7--2尺8--2尺9--3尺--3尺1--3尺2--3尺3--3尺4 臀围（厘米）83------- 86------89--- 92-----96-----100--103---107---110----113 男上装 S号165适合身高165CM左右，体重100斤以内 M号170适合身高170CM左右，体重120斤以内 L号175适合身高175CM左右，体重120-140斤以内 XL号180适合身高180CM左右，体重140-160斤以内 XXL号185适合身高185CM左右，体重160斤以上 男裤 XS号165A 28码腰围2尺1 S号165B 29码腰围2尺2 M号170A 30码腰围2尺3 L号170B 32码腰围2尺4 XL号175A 34码腰围2尺5 XXL号175B 36码腰围2尺6 XXXL号180 38码腰围2尺7 希望可以帮都你 ------------------------------------------------------------------------------------------ 女装 上衣尺码服装尺码中国号型胸围CM 腰围CM 肩宽CM S 38 153/157A 78-81 62-66 36 M 40 158/162A 82-85 67-70 38 L 42 163/167A 86-89 71-74 40 XL 44 168/172A 90-93 75-79 42 XXL 46 173/177A 94-97 80-84 44 XXXL 48 177/180A 98-102 85-89 46 服装尺码-国标尺码:XXS XS S M L XL XXL XXXL 加大XXXL 均码对应身高等尺寸解释! MEN 男装 尺码1/XXS 2/XS 3/S 4/M 5/L 6/XL 身高(cm) 155 160 165 170 175 180 胸围(cm) 76 80 84 88 92 96 腰围(cm) 64 68 72 76 80 84 WOMEN 女装 尺码1/XXS 2/XS 3/S 4/M 5/L 6/XL 7/XXL 身高(cm) 150 155 160 165 170 175 180 胸围(cm) 76 80 84 88 92 96 100 腰围(cm) 60 64 68 72 76 80 84
儿童标准身高体重对照表
用小儿身长预测成年时身高法
1、男性身高＝出生时身长(厘米)÷0.2949；女性身高＝出生时身长(厘米)÷0.3109。用此公式要注意：只适用于正常足月新生儿；测量身长数据时如能精确到0.1厘米，身高的预测将更准确。 2、男性身高＝3岁时身高×0.545+父母平均身高×0.544+37.69(厘米)；女性身高＝3岁时身高×0.545+父母平均身高×0.544+25.63(厘米)，人体标准身高预测公式(遗传法则) 男性身高＝(父亲身高＋母亲身高)×1.08÷2(厘米) 女性身高＝(父亲身高×0.923＋母亲身高)÷2(厘米) 上述公式大体上符合“高加高生高，高加矮生高，矮加矮生矮”的遗传学原则。 骨龄可知孩子的生长潜力 骨龄和年龄不是一回事，骨龄是生物年龄，与生长密切相关，常用来评价人生长发育的成熟状态。判断骨龄主要是利用X线，拍一张小儿右手腕骨的X 片，根据腕骨X片显示的骨化点的个数及小儿的实际年龄就可以确定小儿的生长潜力。骨化点出现比实际年龄早，说明孩子的生长潜力较小；相反说明小儿生长潜力很大。有些家长为了孩子能长高些，给孩子服用一些催长的药物，虽然暂时加快了小孩的生长，但由于“刹车”时间提前反而影响了最终的身高，这种做法显然是不可取的。 以上几种方法可相互参照，还可以预知孩子生长发育是否正常和孩子的生长潜力，如发现骨龄和孩子的实际年龄不符，应到医院检查。 青少年身高与哪些因素有关 在青春期生长突增中，身高的增长非常快。长高的原因主要是骨骼的发育。男孩平均每年可增高7～9厘米，最多可达10～12厘米。女孩平均每年可增高5～7厘米，最多可达8～10厘米。这主要靠下肢和脊柱的增长。一般女性在19～23岁、男性在23～26岁身高才停止增长。这时因为骨骺闭合，所以不能再生长了。由于女性的骨骺闭合一般比男性早，所以成年女性比男性矮。青春期的少男少女都希望自己有较高的身材，这就要进一步了解可能影响身高的因素： （1）身高与性成熟早晚有关 成熟年龄的迟早会影响急速成长的身高。一般是急速成长现象发生较早的人，就较快达到终止点；较晚发生的，也较晚达到其终点。当性早熟的少女不再长高时，性晚熟的少女却还在长高。因此，性晚熟的少女就比较高。身高长得最
2006-03-26 19:49:46 大中小 年龄身高体重对照表 正常儿童身高体重对照表： 年龄组男女 体重（千克）身高（厘米）体重（千克）身高（厘米） 初生 2.9-3.8 48.2-52.8 2.7-3.6 47.7-52.0 1月 3.6-5.0 52.1-57.0 3.4-4.5 51.2-55.8 2月 4.3-6.0 55.5-60.7 4.0-5.4 54.4-59.2 3月 5.0-6.9 58.5-63.7 4.7-6.2 57.1-59.5 4月 5.7-7.6 61.0-66.4 5.3-6.9 59.4-64.5 5月 6.3-8.2 63.2-68.6 5.8-7.5 61.5-66.7 6月 6.9-8.8 65.1-70.5 6.3-8.1 63.3-68.6 8月 7.8-9.8 68.3-73.6 7.2-9.1 66.4-71.8 10月 8.6-10.6 71.0-76.3 7.9-9.9 69.0-74.5 12月 9.1-11.3 73.4-78.8 8.5-10.6 71.5-77.1 15月 9.8-12.0 76.6-82.3 9.1-11.3 74.8-80.7 18月 10.3-12.7 79.4-85.4 9.7-12.0 77.9-84.0 21月 10.8-13.3 81.9-88.4 10.2-12.6 80.6-87.0 2.0岁 11.2-14.0 84.3-91.0 10.6-1 3.2 83.3-89.8 2.5岁 12.1-15.3 88.9-95.8 11.7-14.7 87.9-94.7 3.0岁 13.0-16.4 91.1-98.7 12.6-16.1 90.2-98.1 3.5岁 13.9-17.6 95.0-103.1 13.5-17.2 9 4.0-101.8 4.0岁 14.8-18.7 98.7-107.2 14.3-18.3 97.6-10 5.7 4.5岁 1 5.7-19.9 102.1-111.0 15.0-19.4 100.9-109.3 5.0岁 1 6.6-21.1 105.3-114.5 15.7-20.4 104.0-112.8 5.5岁 17.4-22.3 108.4-117.8 1 6.5-21.6 106.9-116.2 6.0岁 18.4-23.6 111.2-121.0 1 7.3-22.9 109.7-119.6 7.0岁 20.2-26.5 116.6-126.8 19.1-26.0 115.1-126.2 8.0岁 22.2-30.0 121.6-132.2 21.4-30.2 120.4-132.4 9.0岁 24.3-34.0 126.5-137.8 24.1-35.3 125.7-138.7 10.0岁 26.8-38.7 131.4-143.6 27.2-40.9 131.5-145.1 [/size] 家有宝贝的可以对照一下。 我养的小猪现在快3岁半了，昨天称了一下，17公斤，98厘米，挺标准的，嘻，骄傲，我这个饲养员当的不错，不好意思啊，自夸一下。
儿童身高体重表 年龄 男孩女孩 身高(cm)体重(kg)身高(cm)体重(kg) 02月52.1-57.04.3-6.051.2-55.83.4-4.5 03月55.5-60.75.0-6.954.4-59.24.0-5.4 04月58.5-63.75.7-7.657.1-59.54.7-6.2 05月61.0-66.46.3-8.259.4-64.55.3-6.9 06月65.1-70.56.9-8.863.3-68.66.3-8.1 08月68.3-73.67.8-9.866.4-71.87.2-9.1 10月71.0-76.38.6-10.669.0-74.57.9-9.9 12月73.4-78.89.1-11.371.5-77.18.5-10.6 15月76.6-82.39.8-12.074.8-80.79.1-11.3 18月79.4-85.410.3-12.777.9-84.09.7-12.0 21月81.9-88.410.8-13.380.6-87.010.2-12.6 2岁84.3-91.011.2-14.083.3-89.810.6-13.2 2.5岁88.9-95.812.1-15.387.9-94.711.7-14.7 3岁91.1-98.713.0-16.490.2-98.112.6-16.1 3.5岁95.0-103.113.9-17.69 4.0-101.813.5-17.2 4岁98.7-107.214.8-18.797.6-105.714.3-18.3 4.5岁102.1-111.01 5.7-19.9100.9-109.315.0-19.4 5岁105.3-114.51 6.6-21.1104.0-112.815.7-20.4 5.5岁108.4-11 7.817.4-22.3106.9-116.216.5-21.6 6岁111.2-121.01 8.4-23.610 9.7-119.617.3-22.9 7岁116.6-126.820.2-26.5115.1-126.219.1-26.0 8岁121.6-132.222.2-30.0120.4-132.421.4-30.2 9岁126.5-137.824.3-34.0125.7-138.724.1-35.3 10岁131.4-143.626.8-38.7131.5-145.127.2-40.9
0~10岁儿童身高体重标准表 体重（单位kg ） 身高（单位cm） 男 女 男 女 01月 3.6-5.0 2.7- 3.6 48.2-52.8 47.7-52.0 02月 4.3-6.0 3.4- 4.5 52.1-57.0 51.2-55.8
5.0- 6.9 4.0-5.4 55.5-60.7 54.4-59.2 04月5.7- 7.6 4.7-6.2 5 8.5-63.7 57.1-5 9.5 05月6.3-8.2 5.3-6.9 61.0-66.4 59.4-64.5 06月6.9-8.8 6.3-8.1 65.1-70.5 63.3-68.6
7.8-9.8 7.2-9.1 68.3-73.6 66.4-71.8 10月8.6-10.6 7.9-9.9 71.0-76.3 69.0-74.5 12月9.1-11.3 8.5-10.6 73.4-78.8 71.5-77.1 15月9.8-12.0 9.1-11.3 76.6-82.3 74.8-80.7
10.3-12.7 9.7-12.0 79.4-85.4 77.9-84.0 21月10.8-13.3 10.2-12.6 81.9-88.4 80.6-87.0 2岁11.2-14.0 10.6-13.2 84.3-91.0 83.3-89.8 2.5岁12.1-15.3 11.7-14.7 88.9-95.8 87.9-94.7
13.0-16.4 12.6-16.1 91.1-98.7 90.2-98.1 3.5岁13.9-17.6 13.5-17.2 95.0-103.1 94.0-101.8 4 岁 14.8-18.7 14.3-18.3 98.7-107.2 97.6-105.7 4.5岁15.7-19.9 15.0-19.4 102.1-111.0 100.9-109.3
实验七：基于神经网络的模式识别实验 一、实验目的 理解BP神经网络和离散Hopfield神经网络的结构和原理，掌握反向传播学习算法对神经元的训练过程，了解反向传播公式。通过构建BP网络和离散Hopfield网络模式识别实例，熟悉前馈网络和反馈网络的原理及结构。 综合掌握模式识别的原理，了解识别过程的程序设计方法。 二、实验内容 熟悉模式识别的理论方法，用选择一种合适的识别方法，对图像中的字符（英文字母）进行识别，能够区分出不同的形态的26个字母。 在Matlab中，采用BP神经网络，对读取的数据进行训练，进而识别。 1. 程序设计 (1)程序各流程图 实验中主程序流程图如图4-1所示：
图4-1主程序流程图 其中图像预处理的流程如图4-2 所示： 图4-2图像预处理的流程神经网络训练的具体流程如图4-3所示：
图4-3 神经网络训练流程 (2)程序清单 %形成用户界面 clear all; %添加图形窗口 H=figure('Color',[0.85 0.85 0.85],... 'position',[400 300 500 400],... 'Name','基于BP神经网络的英文字母识别',... 'NumberTitle','off',... 'MenuBar','none'); %画坐标轴对象，显示原始图像 h0=axes('position',[0.1 0.6 0.3 0.3]); %添加图像打开按钮 h1=uicontrol(H,'Style','push',... 'Position',[40 100 80 60],... 'String','选择图片',... 'FontSize',10,... 'Call','op'); %画坐标轴对象，显示经过预处理之后的图像 h2=axes('position',[0.5 0.6 0.3 0.3]); %添加预处理按钮
儿童身高体重对照表Prepared on 21 November 2021
1-10岁儿童身高体重对照表： 年龄组男女体重（千克）身高（厘米）体重（千克）身高（厘米）15月9.8-12.076.6-82.39.1-11.374.8-80.7 18月10.3-12.779.4-85.49.7-12.077.9-84.0 21月10.8-13.381.9-88.410.2-12.680.6-87.0 2.0岁11.2-14.084.3-91.010.6-13.283.3-89.8 2.5岁12.1-15.388.9-95.811.7-14.787.9-94.7 3.0岁13.0-16.491.1-98.712.6-16.190.2-98.1 3.5岁13.9-17.695.0-103.113.5-17.29 4.0-101.8 4.0岁14.8-18.798.7-107.214.3-18.397.6-10 5.7 4.5岁1 5.7-19.9102.1-111.015.0-19.4100.9-109.3 5.0岁1 6.6-21.1105.3-114.515.7-20.4104.0-112.8 5.5岁17.4-22.3108.4-117.81 6.5-21.6106.9-116.2 6.0岁18.4-23.6111.2-121.01 7.3-22.9109.7-119.6 7.0岁20.2-26.5116.6-126.819.1-26.0115.1-126.2 8.0岁22.2-30.0121.6-132.221.4-30.2120.4-132.4 9.0岁24.3-34.0126.5-137.824.1-35.3125.7-138.7 10.0岁26.8-38.7131.4-143.627.2-40.9131.5-145.1《0-18岁男孩女孩身高体重表》
小学生身高标准体重对比表 小学一、二年级男生身高标准体重（体重单位:公斤） 身高段（厘米）营养不良较低体重正常体重超重肥胖50分60分100分60分50分106.0 ～106.9 <14.8 14.8 ～16.8 16.9 ～19.1 19.2 ～19.8 >=19.9 107.0 ～107.9 <15.1 15.1 ～17.1 17.2 ～19.5 19.6 ～20.3 >=20.4 108.0 ～108.9 <15.3 15.3 ～17.5 17.6 ～19.9 20.0 ～20.7 >=20.8 109.0 ～109.9 <15.6 15.6 ～17.9 18.0 ～20.3 20.4 ～21.1 >=21.2 110.0 ～110.9 <15.8 15.8 ～18.3 18.4 ～20.7 20.8 ～21.5 >=21.6 111.0 ～111.9 <16.1 16.1 ～18.6 18.7 ～21.1 21.2 ～21.9 >=22.0 112.0 ～112.9 <16.4 16.4 ～18.9 19.0 ～21.5 21.6 ～22.3 >=22.4 113.0 ～113.9 <16.7 16.7 ～19.2 19.3 ～22.0 22.1 ～22.8 >=22.9 114.0 ～114.9 <17.0 17.0 ～19.6 19.7 ～22.4 22.5 ～23.2 >=23.3 115.0 ～115.9 <17.3 17.3 ～19.9 20.0 ～22.8 22.9 ～23.6 >=23.7 116.0 ～116.9 <17.6 17.6 ～20.3 20.4 ～23.2 23.3 ～24.1 >=24.2 117.0 ～117.9 <18.0 18.0 ～20.6 20.7 ～23.6 23.7 ～24.6 >=24.7 118.0 ～118.9 <18.3 18.3 ～21.0 21.1 ～24.1 24.2 ～25.0 >=25.1 119.0 ～119.9 <18.6 18.6 ～21.4 21.5 ～24.6 24.7 ～25.5 >=25.6 120.0 ～120.9 <19.0 19.0 ～21.8 21.9 ～25.1 25.2 ～26.2 >=26.3 121.0 ～121.9 <19.4 19.4 ～22.2 22.3 ～25.6 25.7 ～26.8 >=26.9 122.0 ～122.9 <19.7 19.7 ～22.6 22.7 ～26.2 26.3 ～27.4 >=27.5 123.0 ～123.9 <20.1 20.1 ～23.0 23.1 ～26.8 26.9 ～28.0 >=28.1 124.0 ～124.9 <20.5 20.5 ～23.4 23.5 ～27.3 27.4 ～28.6 >=28.7 125.0 ～125.9 <20.9 20.9 ～23.8 23.9 ～27.8 27.9 ～29.2 >=29.3 126.0 ～126.9 <21.3 21.3 ～24.3 24.4 ～28.5 28.6 ～29.8 >=29.9 127.0 ～127.9 <21.7 21.7 ～24.7 24.8 ～29.0 29.1 ～30.4 >=30.5 128.0 ～128.9 <22.1 22.1 ～25.1 25.2 ～29.5 29.6 ～31.0 >=31.1 129.0 ～129.9 <22.6 22.6 ～25.6 25.7 ～30.1 30.2 ～31.6 >=31.7 130.0 ～130.9 <23.0 23.0 ～26.1 26.2 ～30.9 31.0 ～32.3 >=32.4 131.0 ～131.9 <23.5 23.5 ～26.6 26.7 ～31.6 31.7 ～33.2 >=33.3 132.0 ～132.9 <23.9 23.9 ～27.1 27.2 ～32.3 32.4 ～34.0 >=34.1 133.0 ～133.9 <24.4 24.4 ～27.7 27.8 ～32.9 33.0 ～34.7 >=34.8 134.0 ～134.9 <24.9 24.9 ～28.3 28.4 ～33.6 33.7 ～35.3 >=35.4 135.0 ～135.9 <25.3 25.3 ～28.9 29.0 ～34.2 34.3 ～36.0 >=36.1 136.0 ～136.9 <25.8 25.8 ～29.5 29.6 ～34.9 35.0 ～36.7 >=36.8 137.0 ～137.9 <26.4 26.4 ～30.1 30.2 ～35.6 35.7 ～37.4 >=37.5 138.0 ～138.9 <27.0 27.0 ～30.8 30.9 ～36.3 36.4 ～38.2 >=38.3 139.0 ～139.9 <27.6 27.6 ～31.5 31.6 ～37.1 37.2 ～39.1 >=39.2 140.0 ～140.9 <28.1 28.1 ～32.2 32.3 ～38.0 38.1 ～40.0 >=40.1 141.0 ～141.9 <28.6 28.6 ～32.9 33.0 ～38.9 39.0 ～40.9 >=41.0 142.0 ～142.9 <29.1 29.1 ～33.7 33.8 ～39.8 39.9 ～41.8 >=41.9 143.0 ～143.9 <29.7 29.7 ～34.5 34.6 ～40.7 40.8 ～42.7 >=42.8 144.0 ～144.9 <30.3 30.3 ～35.2 35.3 ～41.7 41.8 ～43.6 >=43.7 145.0 ～145.9 <30.9 30.9 ～35.9 36.0 ～42.3 42.4 ～44.5 >=44.6 146.0 ～146.9 <31.5 31.5 ～36.6 36.7 ～43.2 43.3 ～45.4 >=45.5 148.0 ～148.9 <32.7 32.7 ～38.1 38.2 ～45.0 45.1 ～47.3 >=47.4 149.0 ～149.9 <33.3 33.3 ～38.8 38.9 ～45.9 46.0 ～48.2 >=48.3 150.0 ～150.9 <34.0 34.0 ～39.5 39.6 ～46.7 46.8 ～49.1 >=49.2 151.0 ～151.9 <34.6 34.6 ～40.1 40.2 ～47.5 47.6 ～49.9 >=50.0 152.0 ～152.9 <35.2 35.2 ～40.9 41.0 ～48.4 48.5 ～50.7 >=50.8 153.0 ～153.9 <35.9 35.9 ～41.6 41.7 ～49.1 49.2 ～51.5 >=51.6 154.0 ～154.9 <36.5 36.5 ～42.4 42.5 ～49.9 50.0 ～52.4 >=52.5 155.0 ～155.9 <37.1 37.1 ～43.3 43.4 ～51.1 51.2 ～53.4 >=53.5 注：身高低于表中所列出的最低身高段的下限值时，身高每低1厘米，实测体重需加上0.5公斤，实测身高需加上1厘米，再查表确定分值。身高高于表中所列出的最高身高段时，身高每高1厘米，其实测体重需减