分析手写数字识别问题上，迁移学习与传统机器学习性能差异的Matlab作业中涉及到了自适应阈值分割的Matlab代码实现

自适应阈值分割matlab代码 迁移学习和传统机器学习在手写数字识别问题上的性能差异分析报告 工作概述： 运用matlab读取手写数字识别数据集，对其分别进行传统机器学习建模和迁移学习建模。对比分析两者性能差异。 工作计划： 准备数据集，进行前期的数据清洗工作，使其转化成机器学习算法能够输入的数据结构。 用传统机器学习对其进行建模（svm、logistics回归、决策树、xgboost、lightgbm等视matlab能够提供的算法包决定） 用CNN网络进行迁移学习。原网络架构和参数视matlab能够提供的网络参数决定。 对比分析两者训练时间、训练误差等性能差异。 得出结论：在手写数字识别问题中哪种方法可以获得合适的需求的性能。 工作内容 选择数据集：matlab自带数据集：DigitDataset 数据规模：0-9各1000个，综合10000个 初始数据为28x28x1的图片，为了适应后续Alexnet的输入，将其变换到127x127x3的大小 训练LettersClassificationNet，记录训练数据 训练AlexNet，记录训练数据 将输入数据二值化并展开为一行，每张图片