利用MATLAB做一维数据的CNN分类 问题及解决方法

我在做一维CNN分类时参考了知乎凉拌西红柿答主的程序示例，根据其代码改编实现了CNN分类。

其中遇到的问题与解决方法总结如下：

1. 数据维度转换问题

for i = 1 : 1 : 3000
 for j = 1 : 1 : 72
   Xtrain(1, j, 1, i)=data(i, j); % 输入数据维度转化
 end
end

程序说明：
 （1）需要进行分类的数据data是3000*72维的，则可通过下面的代码转换成Xtrain作为CNN的输入。
 （2）可以理解为，“3000”对应数据量（条），“72”对应样本点数。
 （3）对于有时间序列，如信号，也可以根据上述方式转换维度，不会影响数据的时间关联性。
 （4）Xtrain的4D维度是为了适应图像输入格式。4个参数分别代表图像的（长，宽，通道数，样本量）。
 

2.训练准确率一直在50%左右

 可能存在的问题：
  （1）网络结构不合理——>增加卷积层数。
   答主给出的程序里CNN只有2个卷积层，层数太少，可能不适用于某些数据。我参考了VGG16的网络结构（有13个卷积层），增加卷积层数后，训练准确率有所上升。

  （2）训练时epoch数太少，网络还没收敛就停止了训练。——>增加epoch
   我第一次训练时epoch数设置为4，网络达到epoch数后就停止了，所以没收敛，训练准确率一直在50%左右波动。后面把‘options’里的“MaxEpochs”改成了50，训练一段时间后准确率就开始上升了。