资源简介
朴素的Fisher二元线性分类器,相关理论参考清华版《模式识别(第二版)》P88-P90页(4.2章 Fisher线性判别)。
开发平台为Matlab7.7,内附详细的参数说明和源码注释,测试有效。
请注意:源码中所有的样本数据均以列向量形式存储,并构成数据矩阵。
(1)fcFisherW 函数用于获取Fisher变换向量、两类的均值向量及总体的类内离散度矩阵。
(2)fcFisherJudge函数会调用fcFisherW,依据求得的Fisher变换向量W,判定输入数据X(样本数据以列向量形式存储)的所属。
代码片段和文件信息
function [JudgeX W ] = fcFisherJudge(Class1Class2X)
% 依据求得的Fisher变换向量W,判定输入数据X(样本数据以列向量形式存储)的所属
% 参考清华版《模式识别(第二版)》P90页(4.2章 Fisher线性判别)
% 输入参数:
% Class1 第1类对应的训练数据信息矩阵,样本数据以列向量形式存储,维数m*n1
% m对应样本(列)向量维数,n1对应该类样本数目
% Class2 第1类对应的训练数据信息矩阵,样本数据以列向量形式存储,维数m*n2
% m对应样本(列)向量维数,n2对应该类样本数目
% X 待判定的数据,维数m*nX,样本数据以列向量形式存储
% 中间变量:
% CountC 存储了两类训练数据的样本数目,CountC=[n1 n2]
% MeanC1 第1类对应的均值(列)向量
% MeanC2 第2类对应的均值(列)向量
% avrC1 第1类均值(列)向量MeanC1经Fisher变换后的数值,avrC1=W‘*MeanC1
% avrC2 第2类均值(列)向量MeanC2经Fisher变换后的数值,avrC2=W‘*MeanC2
% Sw 总体的类内离散度矩阵,维数m*m,Sw = Sw_C1 +Sw_C2
% Sb 总体的类间离散度矩阵,维数m*m,Sb = (MeanC1-MeanC2)*(MeanC1-MeanC2)‘
% Y 待判定数据X经Fisher变换后的数值,对于单组样本X有y=W‘*X,对于样本矩阵X有Y(i)=W‘*X(:i)
% threY Fisher变换后的数值判别门限
% 对于y=W‘*X:若y>threY,X∈Class1;若y % 输出参数:
% JudgeX 待判定的数据X的所属,1表示属于Class1,0表示属于Class2
% 若nX>1(样本不止一列),输出结果Judge为由0/1组成的列向量
% W Fisher变换向量,维数m*1,W=inv(Sw)*(MeanC1-MeanC2)=Sw\(MeanC1-MeanC2)
% 对于新样本(列)向量X,有y=W‘*X(列向量样本经变换后为1维常数)
% 初始化
[mnX] = size(X);
JudgeX = zeros(nX1);
% 计算Fisher判别参数
[ W MeanC1 MeanC2 Sw Sb CountC ] = fcFisherW(Class1Class2);
avrC1 = W‘*MeanC1;
avrC2 = W‘*MeanC2;
%计算Fisher判别门限
threY = (CountC(1)*avrC1 + CountC(2)*avrC2)/(CountC(1) + CountC(2));
% 进行Fisher判别
if nX==1 %X为单组样本列向量
Y = W‘*X; %此时Y为常数
if Y>=threY
JudgeX = 1; %若y>threY,X∈Class1
else
JudgeX = 0; %若y end
else %X为多组样本组成的矩阵
Y = zeros(nX1);
for i=1:nX
Y(i) = W‘*X(:i);
if Y(i)>=threY
JudgeX(i) = 1; %若Y(i)>threY,X∈Class1
else
JudgeX(i) = 0; %若Y(i) end
end
end
% function [ab]=fisher(ABXh)
% %A,B表示AB类的数据,X表示未知类别的数据。
% %ABX的列表示不同的指标,行表示一个个体。
% %h为显著性水平。
% average1=mean(A);
% average2=mean(B);
% m=size(A1);
% n=size(B1);
% p=size(A2);
% for i=1:p
% A(:i)=A(:i)-average1(i);
% B(:i)=B(:i)-average2(i);
% end
% S1=A‘*A;
% S2=B‘*B;
% S=S1+S2;
% c=S\(average1-average2)‘;
% ya=average1*c;
% yb=average2*c;
% y0=(m*ya+n*yb)/(m+n);%临界值
% z=X*c;
% a=(z-y0)*(ya-y0);a=ge(a0);%A类
% b=(z-y0)*(yb-y0);b=ge(b0);%B类
% F=(m*n/(m+n)*(m+n-p-1)/p)*abs(ya-yb);
% Fh=finv(1-hpm+n-p-1);%计算置信水平下的F分布表
% if F>Fh
% disp(‘判别函数有效‘);
% else
% disp(‘判别函数无效‘);
% end
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 3036 2012-12-19 22:09 Fisher二元线性判别 Matlab源码\fcFisherJudge.m
文件 1932 2012-12-19 22:04 Fisher二元线性判别 Matlab源码\fcFisherW.m
目录 0 2012-12-20 12:43 Fisher二元线性判别 Matlab源码
----------- --------- ---------- ----- ----
4968 3
相关资源
- 马尔可夫链中转移矩阵计算的MATLAB程
- matlab代码实现模拟ps软件部分功能
- PCA人脸识别代码MATLAB可直接运行
- matlab教程合集
- Matlab 2016a Win64 Crack.rar破解文件
- 《MATLAB图像与视频处理实用案例详解
- 综合评价方法的MATLAB实现
- 车辆工程仿真与分析—基于MATLAB的实
- 现代通信系统Matlab版第三版 Contempor
- 阵列信号处理及MATLAB实现_张小飞著
- 数字图像处理MATLAB版 完整中文版 高清
- matlab 图像处理第二版中文版+配套资源
- matlab面向对象电子书中文版
- 偏最小二乘方法的MATLAB算法实现
- 数字图像处理MATLAB版第二版配套资源
- 完整版MATLAB GUI设计学习手记第二版
- 数字调制解调技术的MATLAB与FPGA实现
- 机械工程设计分析和MATLAB应用第四版
- MATLAB通信工程仿真_12613483_张德丰编著
- 深度置信神经网络的matlab代码.rar
- 智能预测控制及其MATLAB实现第2版李国
- 通过svm cnn knn对高光谱数据集PaviaU进行
- 卡尔曼滤波原理及应用 MATLAB仿真pd
-
MATLAB 7.0 SIMUli
nk 6.0 建模仿真开发与 - matlab编程与工程应用第二版
- 小波分析理论与matlabR2007实现
- SAR成像算法小matlab
- matlab深度学习算法合集
- MATLAB2015b破解文件和破解教程
- matlab机器人工具箱10.1有函数说明
评论
共有 条评论