资源简介
使用SVM代码对AVIRIS_Indiana_16class高光谱数据集进行分类

代码片段和文件信息
function [overall_accuracykappa_accuracyaverage_accuracyclass_accuracyerrorMatrix] = calcError( trueLabelling segLabelling labels )
% calculates square array of numbers organized in rows and columns which express the
% percentage of pixels assigned to a particular category (in segLabelling) relative
% to the actual category as indicated by reference data (trueLabelling)
% errorMatrix(ij) = nr of pixels that are of class i-1 and were
% classified as class j-1
% accuracy is essentially a measure of how many ground truth pixels were classified
% correctly (in percentage).
% average accuracy is the average of the accuracies for each class
% overall accuracy is the accuracy of each class weighted by the proportion
% of test samples for that class in the total training set
[nrX nrY] = size(trueLabelling);
totNrPixels = nrX*nrY;
nrPixelsPerClass = zeros(1length(labels))‘;
nrClasses = length(labels);
errorMatrix = zeros(length(labels)length(labels));
errorMatrixPerc = zeros(length(labels)length(labels));
for l_true=1:length(labels)
tmp_true = find (trueLabelling == (l_true-1));
nrPixelsPerClass(l_true) = length(tmp_true);
for l_seg=1:length(labels)
tmp_seg = find (segLabelling == (l_seg-1));
nrPixels = length(intersect(tmp_truetmp_seg));
errorMatrix(l_truel_seg) = nrPixels;
end
end
% classWeight = nrPixelsPerClass/totNrPixels;
diagVector = diag(errorMatrix);
class_accuracy = (diagVector./(nrPixelsPerClass+eps));
average_accuracy = mean(class_accuracy‘);
overall_accuracy = sum(segLabelling == trueLabelling)/length(trueLabelling);
kappa_accuracy = (sum(errorMatrix(:))*sum(diag(errorMatrix)) - sum(errorMatrix)*sum(errorMatrix2))...
/(sum(errorMatrix(:))^2 - sum(errorMatrix)*sum(errorMatrix2));
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2017-02-07 16:17 demo2SVM\
文件 19878 2016-11-22 18:17 demo2SVM\AVIRIS_Indiana_16class.mat
文件 265 2016-11-29 12:07 demo2SVM\COVARIANCE.m
目录 0 2017-02-07 16:17 demo2SVM\LibSVM\
文件 5628 2016-11-22 18:19 demo2SVM\LibSVM\boiler_process.m
文件 6451 2016-11-22 18:19 demo2SVM\LibSVM\classify_svm.m
文件 2875 2016-11-22 18:19 demo2SVM\LibSVM\epsSVM.m
文件 16304 2016-11-22 18:19 demo2SVM\LibSVM\generateLibSVMcmd.m
文件 1009 2016-11-22 18:19 demo2SVM\LibSVM\getDefaultParam_libSVM.m
文件 1573 2016-11-22 18:19 demo2SVM\LibSVM\getPatterns.m
文件 11264 2016-11-22 18:19 demo2SVM\LibSVM\libsvmread.mexw64
文件 10240 2016-11-22 18:19 demo2SVM\LibSVM\libsvmwrite.mexw64
文件 5549 2016-11-22 18:18 demo2SVM\LibSVM\mapminmax.m
文件 5208 2016-11-22 18:18 demo2SVM\LibSVM\mapstd.m
文件 12259 2016-11-22 18:18 demo2SVM\LibSVM\modsel.m
文件 3003 2016-11-22 18:18 demo2SVM\LibSVM\modsel_unbalanced.m
文件 1027 2016-11-22 18:18 demo2SVM\LibSVM\myUsingLIBSVM.m
文件 5054 2016-11-22 18:18 demo2SVM\LibSVM\removeconstantrows.m
文件 25600 2016-11-22 18:18 demo2SVM\LibSVM\svmpredict.mexw64
文件 64000 2016-11-22 18:18 demo2SVM\LibSVM\svmtrain.mexw64
文件 349 2016-11-25 21:37 demo2SVM\MEAN.m
文件 488 2016-11-25 13:04 demo2SVM\PCA.m
文件 2016 2016-11-29 20:01 demo2SVM\SAJMdist.m
文件 2028 2016-12-24 21:41 demo2SVM\SVM_AVIRIS.m
文件 1771 2016-11-29 19:58 demo2SVM\SubDist.m
文件 103 2016-11-22 18:17 demo2SVM\ToMatrix.m
文件 142 2016-11-22 18:17 demo2SVM\ToVector.m
文件 1789 2016-11-22 18:17 demo2SVM\calcError.m
文件 2097 2016-11-29 20:06 demo2SVM\featureSVM.m
文件 5975952 2016-11-22 18:20 demo2SVM\imgreal.mat
文件 2021 2016-12-15 10:13 demo2SVM\svmtest1.m
............此处省略2个文件信息
- 上一篇:FPGA中Verilog语言实现生成三角波
- 下一篇:STM32F103开发案例
相关资源
- ppt 机器学习.ppt
- Logistic回归总结非常好的机器学习总结
- Convex Analysis and Optimization (Bertsekas
- 基于蚁群算法优化SVM的瓦斯涌出量预
- 基于模糊聚类和SVM的瓦斯涌出量预测
- 机器学习个人笔记完整版v5.2-A4打印版
- 基于CAN总线与ZigBee的瓦斯实时监测及
- JUNIOR:粒子物理学中无监督机器学习
- 语料库.zip
- SVM-Light资料,使用说明
- 果蝇算法融合SVM的开采沉陷预测模型
- 中国科学技术大学 研究生课程 机器学
- 遗传算法越野小车unity5.5
- BoW|Pyramid BoW+SVM进行图像分类
- 吴恩达机器学习编程题
- shape_predictor_68_face_landmarks.dat.bz2 68个标
- 基于libsvm的图像分割代码
- 机器学习实战高清pdf,中文版+英文版
- IDL+ENVI开发多光谱遥感图像DN值求辐亮
- 李宏毅-机器学习(视频2017完整)
- 机器学习深度学习 PPT
- 麻省理工:深度学习介绍PPT-1
- 基于SVM及两类运动想象的多通道特征
- 小波包和SVM在轴承故障识别中的应用
- 林智仁教授最新版本LibSVM工具箱
- Wikipedia机器学习迷你电子书之四《D
- 台湾林教授的支持向量机libsvm
- Learning From Data Yaser S. Abu-Mostafa
- 新闻分类语料
- 北大林宙辰:机器学习一阶算法的优
评论
共有 条评论