在更一般意义上验算移位距离和假设

(A，B)---m*n*k---(1,0)(0,1)

移位距离和假设

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，分类的过程就是让A和B中的粒子互相交换位置，寻找最短移位路径的过程。而熵H与最短移位距离和成正比，迭代次数n与熵H成反比。

移位规则汇总

每个粒子移位一次，位置重合不移位，单次移位距离如果以1为底等于1-元素数值若以0为底则为元素本身。

用神经网络分类8123.这张图片以1为底，按照移位距离和假设8123的移位距离和s为4-0.8-0.1-0.2-0.3=2.6

在前面的实验中已经得出

	771	122
δ	迭代次数n	迭代次数n
5.00E-04	28114.19	25862.05
4.00E-04	34375.59	31524.1
3.00E-04	44667.95	41011.36
2.00E-04	64534.3	59270.11
1.00E-04	123420.9	112397.9
S	2	3

如果移位距离为2和3当收敛误差为1e-4时的平均迭代次数为123420和112397.按照移位距离和与迭代次数成反比的关系，8123的迭代次数应该在123420和112397之间。

实验得到的数据为

	8123
δ	迭代次数n
5.00E-04	28525.63
4.00E-04	34343.1
3.00E-04	44964.48
2.00E-04	65561.12
1.00E-04	124472.5
s	2.6

数值大于预估值，这个假设处理非二值化问题会带来误差，初略估算s=2.6的迭代次数可能为116806，则这个算法带来的误差约为6.5%。

继续验证这个假设

分类8114，8123和8222.因为这3组的移位距离和都是2.6，则按照假设这3组的迭代次数应该是相同的。

得到的数据为

	8123	8222	8114
δ	迭代次数n	迭代次数n	迭代次数n
5.00E-04	28525.63	28458.6	28146.99
4.00E-04	34343.1	35125.9	34483.39
3.00E-04	44964.48	45007.68	44535.1
2.00E-04	65561.12	65602.42	64962.66
1.00E-04	124472.5	124651.6	123716.1
s	2.6	2.6	2.6

比较这3条线是很一致的，这点是很符合假设的。

所以用移位距离和假设去预估这3组图片的迭代次数，预估的迭代次数偏小，约有7%的误差。

将本次实验数据与前述实验数据做横向比较

	981	871	971	881	861	771	122	961	875
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	34219.01	34553.02	28229.22	27843.89	28270.21	28114.19	25862.05	25523.99	25117.39
4.00E-04	41899.68	41568.85	34548.15	34511.79	34803.25	34375.59	31524.1	30958.15	31102.23
3.00E-04	53474.56	54287.27	44497.27	44407.41	45065.05	44667.95	41011.36	40262.78	40239.05
2.00E-04	77797.83	78173.77	64693.36	64832.42	64707.93	64534.3	59270.11	59096.97	58618.7
1.00E-04	148175	146473.4	123601.3	122874.1	123288	123420.9	112397.9	113446.1	111994.6
s	1	1	2	2	2	2	3	3	3
	851	951	866	777	941	854	931	921	911
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	25288.76	23904.73	23868.01	23579.5	22959.57	22738.92	22166.65	22094.36	23575.86
4.00E-04	31347.55	28978.03	28820.87	28965.92	27774.2	27653.1	27290.48	27253.6	28991.81
3.00E-04	40549.93	38252.24	37659.14	37460.82	35993.35	36072.61	35639.73	35340.25	37399.98
2.00E-04	59255.58	55426.48	54661.18	54804.67	52950.71	53116.99	51890.25	52155.43	54335.16
1.00E-04	114094.8	106880.8	106599.8	106112.6	101146.2	100986.2	100158	98502.28	102787.2
s	3	4	4	4	5	5	6	7	8
	8123
δ	迭代次数n
5.00E-04	28525.63
4.00E-04	34343.1
3.00E-04	44964.48
2.00E-04	65561.12
1.00E-04	124472.5
s	2.6