ترکیب در سطح طبقه بند
1. برای مجموعه ارقام دستنویس یا تصاویر چهره ORL، ویژگی هیستوگرام گرادیان را پیاده سازی کرده و یک شبکه MLP یا RBF را با آن آموزش دهید. سپس این شبکه را با شبکه ای که قبلا در تمرین دوم آموزش داده اید، ترکیب کنید و نتیجه حاصل را گزارش کنید. برای ترکیب از میانگین گیری استفاده کنید، یعنی مقادیر نرونهای خروجی را میانگین گیری کنید و سپس تصمیم گیری کنید. (در مورد مجموعه ارقام، می‌توانید به جای هیستوگرام گرادیان از مکان مشخصه استفاده کنید.)
ترکیب در سطح ویژگیها
2. این بار ویژگیها را بعد از نرمال سازی با هم ترکیب کنید و یک شبکه جدید آموزش دهید. نتیجه ترکیب در سطح ویژگی را با نتیجه ترکیب در سطح طبقه بندها که در قسمت 1 انجام دادید، مقایسه کنید.
استفاده از SVM
3. با استفاده از توابع آماده متلب همین مسئله را با یکی از ویژگیهای قبلی توسط SVM انجام دهید.
پیاده سازی الگوریتم AdaBoost (اختیاری)
4. (اختیاری 0.5 نمره اضافه) الگوریتم AdaBoost M2 را با استفاده از MLP پیاده سازی کرده و 3 طبقه بند MLP روی مجموعه ارقام آموزش دهید.