资源简介
已经调试的KPCA+KFDA程序 ,模式识别
代码片段和文件信息
function [Train_FeatureTest_Feature]=GetFeature_KFDA(Train_SampleTest_SampleSample);
%使用核Fisher方法对样本进行特征提取
sn_ori=size(Sample2);
Train_Num=5;
[Dim_orisncn]=size(Sample);
Test_Num=sn-Train_Num;
Train_count=Train_Num*cn;
Test_count=Test_Num*cn;
[Train_Feature2Test_Feature2]=GetProjection(SampleTrain_NumTrain_SampleTest_Sample);
%训练样本,测试样本分别二维变成三维
[dimn]=size(Train_Feature2);
T=ones(dimTrain_Numcn);
for i=1:cn
T1=[];
for j=1:Train_Num
T1=[T1 Train_Feature2(:(i-1)*Train_Num+j)];
end
T(::i)=T1;
end
Train_Feature3=T;
T=ones(dimTest_Numcn);
for i=1:cn
T1=[];
for j=1:Test_Num
T1=[T1 Test_Feature2(:(i-1)*Test_Num+j)];
end
T(::i)=T1;
end
Test_Feature3=T;
%在训练样本的KPCA特征矩阵上求得散布矩阵Sb、Sw、St
[SbSwSt]=GetScatter(Train_Feature3);
[VS]=eig(Sw);
s=diag(S);
[sindex]=sort(s‘descend‘);
Rank_Sw=rank(Sw);
%取Sw的零空间
k=1;
for i=(Rank_Sw+1):size(Sw1)
P1(:k)=V(:index(i));
k=k+1;
end
Sb1=P1‘*Sb*P1;
Rank_SbI=rank(Sb1);
[V1S1]=eig(Sb1);
s1=diag(S1);
[s1index1]=sort(s1‘descend‘);
for i=1:Rank_SbI
Z1(:i)=V1(:index1(i));
end
W1=P1*Z1;
%取P1的正交补空间
for i=1:Rank_Sw
P2(:i)=V(:index(i));
end
Sb2=P2‘*Sb*P2;
St2=P2‘*St*P2;
[V2S2]=eig(Sb2St2);
s2=diag(S2);
[s2index2]=sort(s2‘descend‘);
k=1;
for j=1:size(s21)
if s2(j)>1e-6
Z2(:k)=V2(:index2(j));
k=k+1;
end
end
W2=P2*Z2;
W=[W1W2];
ProjectSet=W;
%降维,由于 rank((Sw^-1)*Sb) <= rank(Sb) <= K-1,所以非零的特征根的个数最多为K-1。所以可以到 K-1 维。
ProjectSet=ProjectSet(:1:sn-1);
%特征提取
Train_Feature=ProjectSet‘*Train_Feature2;
Test_Feature=ProjectSet‘*Test_Feature2;
%训练样本,测试样本分别二维变成三维
[dimn]=size(Train_Feature);
T=ones(dimTrain_Numcn);
for i=1:cn
T1=[];
for j=1:Train_Num
T1=[T1 Train_Feature(:(i-1)*Train_Num+j)];
end
T(::i)=T1;
end
Train_Feature=T;
T=ones(dimTest_Numcn);
for i=1:cn
T1=[];
for j=1:Test_Num
T1=[T1 Test_Feature(:(i-1)*Test_Num+j)];
end
T(::i)=T1;
end
Test_Feature=T;
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2012-12-03 21:09 KPCA+KFDA\
文件 2187 2008-06-15 17:45 KPCA+KFDA\GetFeature_KFDA.m
文件 704 2008-06-15 16:03 KPCA+KFDA\GetProjection.m
文件 800 2008-06-13 21:38 KPCA+KFDA\GetScatter.m
文件 1201 2008-06-14 11:27 KPCA+KFDA\ReadImage.m
文件 758 2008-06-15 11:00 KPCA+KFDA\Recognition.m
文件 2620 2008-06-13 16:49 KPCA+KFDA\kpca_calc.m
文件 738 2008-06-12 21:34 KPCA+KFDA\kpca_map.m
文件 1024 2006-03-27 22:52 KPCA+KFDA\kpca_matrix.m
文件 567 2008-06-15 17:51 KPCA+KFDA\main.m
- 上一篇:51单片机串行通信程序
- 下一篇:stata分析面板数据
相关资源
- 中科院自动化所历年模式识别博士题
- 电子科技大学模式识别作业以及答案
- 国科大 刘成林老师 模式识别期末考试
- 中科院模式识别考博真题00-16年
- 《模式识别》试题以及答案
- 国科大数字图像处理习题课重点
- 国科大模式识别历年期末试题
- 中科院自动化所-模式识别考博真题
- 模式识别之特征选择
- 阿拉伯数字字符识别的简单识别
- 清华大学计算机系网络课程之模式识
- 用于模式识别的Pandora软件开发套件
- 哈尔滨工业大学深圳 模式识别 2017 考
- 国科大模式分类期末考试2011-2015.zip
- Structural Pattern Recognition with Graph Edit
- PRML-Solutions to Exercises Tutors Edition
- 图像分割算法研究区域分割,数学形
- 模式识别第四版(希腊)西奥多里蒂
- Pattern Recognition and Machine Learning(完整
- 中科大计算机模式识别读书报告作业
- 基于稳定夜间灯光遥感数据的城市群
- 数字图像处理及模式识别.pdf
- 统计模式识别第三版、英文原版
- 机器学习与模式识别之模糊数学
- 模式识别与机器学习马春鹏, Patter
- 特征的选择与提取 模式识别
- 我的字符识别模式识别完整毕业设计
- 信号特征提取与模式识别研究
- 孤立词0-9的语音识别代码+报告
- 超详细学习报告资料模糊理论基础
评论
共有 条评论