点的分布对迭代次数的影响

(A，B)---m*n*k---(1,0)(0,1)

移动距离和的假设

用神经网络分类A和B，把参与分类的A和B中的数字看作是组成A和B的粒子，设分类的过程就是让A和B中的粒子互相交换位置，寻找最短移动路径的过程。而熵H与最短移动距离和成正比，迭代次数n和熵H成反比。

对二值化图片移动规则汇总

每个粒子移动一次，位置重合不移动，0不动，单次移动距离恒为1.

如果移动距离和假设是正确的，就表明在保持不重合点数量一致的条件下，点的位置对迭代次数没有影响。这次验证这一猜测。

用神经网络分类A和B，让A中有9个1，B中有6个1.改变B中1的分布，看看迭代次数是如何变化的。

得到迭代次数表格

	961	962	963
δ	迭代次数n	迭代次数n	迭代次数n
5.00E-04	25523.99	25581.65	25582.54
4.00E-04	30958.15	31341.31	31320.07
3.00E-04	40262.78	40257.39	40652.8
2.00E-04	59096.97	59009.8	59669.52
1.00E-04	113446.1	113636	112594.9
移动距离和	3	3	3

将迭代次数画成图

这3条线是重合的。因为按照移动距离和假设，在这3种情况中A与B都只有3个位置不重合的点，因此总的移动距离都是3，所以他们的收敛迭代次数是相同的。所以这一数据符合假设，B中点的位置对迭代次数没有影响。

为验证这一结论又完成964-969这6组新的实验

得到数据

	961	962	963	964	965	966	967	968	969
δ	迭代次数n	迭代次数n	迭代次数n	迭代次数n	迭代次数n	迭代次数n	迭代次数n	迭代次数n	迭代次数n
5.00E-04	25523.99	25581.65	25582.54	25391.87	25447.67	25611.43	25367.86	25248.05	25934.95
4.00E-04	30958.15	31341.31	31320.07	31253.22	31103.12	30858.67	31257.16	31318.93	31181.34
3.00E-04	40262.78	40257.39	40652.8	40394.33	40730.85	40366.86	40394.48	40717.23	40579.21
2.00E-04	59096.97	59009.8	59669.52	59013.67	58314.4	59049.48	59491.61	58944.12	59109.26
1.00E-04	113446.1	113636	112594.9	113225.8	113652.8	113957.8	111984.2	112005.6	112098.6
移动距离和	3	3	3	3	3	3	3	3	3

实验表明从961到969他们的迭代次数是高度一致的。

再将此次实验与前述的实验数据做比较

	981	941	122	971	961
δ	迭代次数n	迭代次数n	迭代次数n	迭代次数n	迭代次数n
5.00E-04	34219.01	22959.57	25862.05	28229.22	25523.99
4.00E-04	41899.68	27774.2	31524.1	34548.15	30958.15
3.00E-04	53474.56	35993.35	41011.36	44497.27	40262.78
2.00E-04	77797.83	52950.71	59270.11	64693.36	59096.97
1.00E-04	148175	101146.2	112397.9	123601.3	113446.1
总移动距离	1	5	3	2	3

观察122和961，他们位置不重合点的数量都是3，因此他们的迭代次数高度一致，并且这5组数据的迭代次数的排序和移动距离和的排序正相反，体现了反比关系。所以这实验数据和假设符合的很好。