KNN分类器完整的matlab代码

可以通过使用KNN分类器进行图片分类，KNN分类器完整的matlab代码。

function results = knn_classify（train_data test_data num_neighbors train_labels）
% classify test_data using KNN classifier established from train_data
% Input:
%       train_data      -       training data TRAIN_NUM x D matrix
%       test_data       -       testing data  TEST_NUM x D matrix
%       num_neighbors   -       number of nearest neighbors
%       train_labels    -       training labels TRAIN_NUM x 1 matrix
% Output:
%       results         -       labels for testing data TEST_NUM x 1 array



[TRAIN_NUM D] = size（train_data）;
[TEST_NUM D2] = size（test_data）;


results = zeros（TEST_NUM 1）;
for i = 1:TEST_NUM
    [dists neighbors] = find_top_K_neighbors（train_data test_data（i:） num_neighbors）;
    results（i） = recog（train_labels（neighbors） max（train_labels））;
end



%------------------------------subfunction--------------------------------%
function [dists neighbors] = find_top_K_neighbors（train_data test_sample K）
% find the top K nearest neighbors in the train_data for test_sample
% Input:
%       train_data      -       training data N x D matrix
%       test_sample     -       test_sample 1 x D array
%       K               -       number of neighbors
% Output:
%       dist            -       least K distance
%       neighbors       -       K nearest neighbors 1 x K array

[N D] = size（train_data）;
[dummy D2] = size（test_sample）;



test_matrix = repmat（test_sample N 1）;        % N by D
dist_mat = （train_data - test_matrix） .^ 2;     % N by D
dist_array = sum（dist_mat‘）;                    % 1 by N
[dists neighbors] = sort（dist_array）;
dists = dists（1:K）;
neighbors = neighbors（1:K）;


%--------------------------------subfunction------------------------------%
function label = recog（neighbor_labels num_class）
% find the label for the current test sample with neighbor_labels
% Input:
%       neighbor_labels         -       labels for K neighors of the current 
%                                       test sample
%       num_class               -       number of class
% Output:
%       label                   -       label for the current test sample

num_neighbors = length（neighbor_labels）;
cnt_labels = zeros（num_class 1）;

for i = 1:num_neighbors
    cnt_labels（neighbor_labels（i）） = cnt_labels（neighbor_labels（i）） + 1;
end

[dummy label] = max（cnt_labels）;%Y是返回最大值的，I是返回最大值的位置的。

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2013-07-18 16:01  knn\
     文件        2448  2013-06-28 09:26  knn\knn_classify.m
     文件        2253  2013-07-18 15:47  knn\main.m