遥感图像的监督分类算法贝叶斯分类器vc

用于对遥感图像进行监督分类，贝叶斯分类器， 用于对遥感图像进行监督分类， 用于对遥感图像进行监督分类， 用于对遥感图像进行监督分类， 用于对遥感图像进行监督分类

#include
#include
#include
#include
#include
const float PI=3.1415;
float train1[60][3]train2[60][3]train3[60][3]train4[60][3];          //存各类训练样本        
float m1[3]m2[3]m3[3]m4[3]c1[3][3]c2[3][3]c3[3][3]c4[3][3];     //各类均值向量及协方差矩阵
float p=0.25;                              //先验概率
float test[240][11];                       //检验样本  各列分别存放：分类前类别，行号，列号，一波段灰度，二波段灰度，三波段灰度，分类后类别
float a1a2a3a4;                         //公式中常数项；
float qqqq1qq2qq3qq4;                  //分类精度   
float k;                                   //kappa值
int q[4][4];                               //混淆矩阵
float a[4][4];                             //精度指标矩阵 各列分别为生产者精度 漏分误差
                                           //用户精度 错分误差

int main（）
{   
	void getdata1（char *filename）;
	void getdata2（char *filename）;
    void compute（float train[60][3]float m[3]float c[3][3]float *a）;
	float identify（float m[3]float c[3][3]float afloat band1float band2float band3）;
	int classify（float p1float p2float p3float p4）;
    void testing（）;
	void accuracy（float p[4][4]）;
	void output（char *filename）;
	void output1（char *filename）;
	getdata1（“05training.txt“）;         //存放的是训练样本三个波段的灰度值
	getdata2（“05testing.txt“）;          //检验样本行号 列号 类别代码 三个波段的灰度值
    compute（train1m1c1&a1）;          //计算各类均值向量及协方差矩阵
	compute（train2m2c2&a2）;
	compute（train3m3c3&a3）;
	compute（train4m4c4&a4）;
    testing（）;                          //对检验样本分类
	accuracy（a）;
	output（“05test-result.txt“）;
	output1（“05confusion-matrix.txt“）;
	return 0;
}


void getdata1（char *filename）
{   
	ifstream infile（filenameios::in|ios::nocreate）;   //把每类样本的灰度值依次存入对应的数组
    if（infile==0）
	{  cout<<“open infile error!“<	   exit（1）;
	}
    int ij;
	for（i=0;i<60;i++）
		for（j=0;j<3;j++）
			infile>>train1[i][j];
    for（i=0;i<60;i++）
		for（j=0;j<3;j++）
			infile>>train2[i][j];
    for（i=0;i<60;i++）
		for（j=0;j<3;j++）
			infile>>train3[i][j];
    for（i=0;i<60;i++）
		for（j=0;j<3;j++）
			infile>>train4[i][j];
	infile.close（）;
}

void getdata2（char *filename）
{ 
	ifstream infile（filenameios::in|ios::nocreate）;
    if（infile==0）
	{ 
	   cout<<“open infile error!“<	   exit（1）;
	}
    int ij;
	for（i=0;i<240;i++）      //检验样本的数量为240
		for（j=0;j<6;j++）            //行、列号、类别代码、三个波段灰度值
			infile>>test[i][j];
    infile.close（）;
}

void compute（float train[60][3]float m[3]float c[3][3]float *a）
{   
	void gauss（int ffloat n[3][3]）;    //求n  矩阵的逆阵声明 
	int ij;
    for（i=0;i<3;i++）    m[i]=0;
	for（i=0;i<3;i++）
	{   
		for（j=0;j<60;j++）
	       m[i]+=train[j][i];
	    m[i]=m[i]/60;
	}
    float Train[3][60];         //转置矩阵
	for（i=0;i<3;i++）
		for（j=0;j<60;j++）
		Train[i][j]=train[j][i];    
	int k;
	for（i=0;i<3;i++）                       //求协方差
	   for（j=0;j<3;j++）
	      {  c[i][j]=0;
             for（k=0;k<60;k++）
			 c[i][j]+=（（Train[i][k]-m[i]）*（train[k][j

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

     文件        762  2008-08-02 11:38  贝叶斯分类\05confusion-matrix.txt

     文件      14899  2008-08-02 11:38  贝叶斯分类\05test-result.txt

     文件       6254  2007-04-30 21:22  贝叶斯分类\05testing.txt

     文件       3839  2007-04-29 17:11  贝叶斯分类\05training.txt

     文件      10323  2007-04-30 15:19  贝叶斯分类\classify.cpp

     文件       3425  2007-04-18 09:10  贝叶斯分类\classify.dsp

     文件      25600  2007-04-18 09:12  贝叶斯分类\classify.ncb

     文件          0  2007-04-18 09:11  贝叶斯分类\classify.plg

     文件       4264  2007-04-15 22:32  贝叶斯分类\test.dsp

     文件        514  2007-04-15 22:12  贝叶斯分类\test.dsw

     文件      66560  2008-08-02 11:39  贝叶斯分类\test.ncb

     文件      53760  2008-08-02 11:39  贝叶斯分类\test.opt

     文件        881  2008-08-02 11:38  贝叶斯分类\test.plg

     目录          0  2008-08-02 11:39  贝叶斯分类\Debug

     目录          0  2008-08-02 11:39  贝叶斯分类

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

               191081                    15