贝叶斯判别算法matlab的实现.m文件

贝叶斯判别算法matlab的实现，详细地介绍了贝叶斯算法

function A=bayesclassify（STQ）

%给定已知样本 S 、待判样本 T 和先验概率 Q 。bayesclassify（STQ） 函数输出待判样本 T 的判别结果。
%S （n*（m+2））的矩阵，其中第一列是序号，最后一列表示所属类别。S表示已知样品矩阵
%T 是待判样本
%Q （k*1）的向量 是k个总体的先验概率
%
%例
%输入
S=[
 1	76	    99	    5374	    1
  2	79.5	99	    5359	    1
 3	78	    99	    5372	    1
  4	72.1	95.9	5242	    1
  5	73.8	77.7	5370	    1
  6	71.2	93	    4250	    2
  7	75.3	94.9	3412	    2
  8	70	    91.2	3390	    2
  9	72.8	99	    2300	    2
 10	62.9	80.6	3799 	    2
  ];


T=[
  11	68.5	79.3	1950
  12	69.3	90.3	5158
 ];

Q=[
  0.5
  0.5
  ];

%运行A=bayesclassify（STQ）

%判别结果
%A =
%     11     68.5     79.3     1950     2
%     12     69.3     90.3     5158     1
%其中最后一列为判别结果


%%%%%%%%%%%%%%计算各总体的均值和协方差阵%%%%%%%%%%%
[lzz]=size（T）;
[nmm]=size（S）;
m=mm-2;
Ss=sortrows（Smm）;
v=Ss（:mm）;
k=max（v）;
a=zeros（1k）;
b=a;

mu=zeros（mk）;

for i=1:k
    a（i）=min（find（v==i））;
    b（i）=max（find（v==i））;
end
Sigma=zeros（mmk）;
for i=1:k
    Sa=Ss（（a（i）:b（i））（2:mm-1））;
    mu（:i）=mean（Sa）‘;
    Sigma（::i）=cov（Sa）;
 end


%%%%%%%%%%%%%%%%%%%% 判别过程  %%%%%%%%%%%%%%%%%%%%
for i=1:l
    p=zeros（1k）;
    u=zeros（1k）;
    d=zeros（1k）;
    for j=1:k
        d（j）=-0.5*（T（i（2:mm-1））-mu（:j）‘）*inv（Sigma（::j））*（T（i（2:mm-1））‘-mu（:j））;
        u（j）=log（Q（j））-0.5*log（det（Sigma（::j）））+d（j）;
    end
    x（i）=（find（u==max（u）））;
end
x=x‘;
A=[Tx];


    

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1539  2019-04-13 12:23  bayesclassify.m

----------- ---------  ---------- -----  ----

                 1539                    1