西电,模式识别,k近邻.doc

西电,模式识别,k近邻.doc

ID:56279172

大小:145.50 KB

页数:11页

时间:2020-06-05

西电,模式识别,k近邻.doc_第1页
西电,模式识别,k近邻.doc_第2页
西电,模式识别,k近邻.doc_第3页
西电,模式识别,k近邻.doc_第4页
西电,模式识别,k近邻.doc_第5页
资源描述:

《西电,模式识别,k近邻.doc》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、模式识别大作业k-近邻算法学院:电子工程学院班级:学号:姓名:作业要求一、作业内容编程实现最近邻算法和k-近邻算法,在Iris(3类,每类50个样本,4维特征),wine数据集(3类,13维,共178个样本)上验证其性能。二、算法描述K近邻就是在N个样本中,找出x的K个近邻。设这N个样本中,来自Wc类的样本有Nc个,若K1,K2,…Kc分别是K个近邻中属于W1,W2,…,Wc类的样本数,则我们可以定义判别函数为:决策规则为:若则决策x∈。这就是K近邻的基本规则。三、代码实现Irisfunctionk_jl=k_jl();temp=importdata('iris.txt');sum=ze

2、ros(1,10);fori=1:10data1=temp(1:50,1:4);randnum=randperm(size(data1,1));train1=data1(randnum(1:25),:);test1=data1(randnum(26:50),:);data2=temp(51:100,1:4);randnum=randperm(size(data2,1));train2=data2(randnum(1:25),:);test2=data2(randnum(26:50),:);data3=temp(101:150,1:4);randnum=randperm(size(data

3、3,1));train3=data3(randnum(1:25),:);test3=data3(randnum(26:50),:);train_sample=cat(1,train1,train2,train3);test_sample=cat(1,test1,test2,test3);k=11;kjl=zeros(1,75);forx=1:75fory=1:75result=sqrt((test_sample(x,1)-train_sample(y,1))^2+(test_sample(x,2)-train_sample(y,2))^2+(test_sample(x,3)-train_

4、sample(y,3))^2+(test_sample(x,4)-train_sample(y,4))^2);kjl(1,y)=result;end[B,Ind]=sort(kjl);m1=0;m2=0;m3=0;forn=1:kifInd(1,n)<=20m1=m1+1;elseifInd(1,n)>20&&Ind(1,n)<=40m2=m2+1;elsem3=m3+1;endendif(m1>=m2&&m1>=m3)m=1;elseifm2>=m1&&m2>=m3m=2;elsem=3;endifx<=25disp(sprintf('第%d组数据分类后为第%d类',x+25,m));

5、elseifx>25&&x<=50disp(sprintf('第%d组数据分类后为第%d类',x+50,m));elseifx>50&&x<=75disp(sprintf('第%d组数据分类后为第%d类',x+75,m));endif(x<=25&&m==1)

6、

7、(x>25&&x<=50&&m==2)

8、

9、(x>50&&x<=75&&m==3)sum(1,i)=sum(1,i)+1;endendsum(1,i)=sum(1,i)/75;disp(sprintf('分类正确率为%4.2f',sum(1,i)))endadd=0;forj=1:10disp(sprintf('第%d次分类正确率

10、为%4.2f',j,sum(1,j)))add=sum(1,j)+add;enddisp(sprintf('平均分类正确率为%4.2f',add/10))Winefunctionzx=zx();temp=importdata('wine.txt');sum=zeros(1,10);fori=1:10data_1=temp(1:58,1:4);randnum=randperm(size(data_1,1));train_1=data_1(randnum(1:29),:);test_1=data_1(randnum(30:58),:);data_2=temp(59:116,1:4);rand

11、num=randperm(size(data_2,1));train_2=data_2(randnum(1:29),:);test_2=data_2(randnum(30:58),:);data_3=temp(117:174,1:4);randnum=randperm(size(data_3,1));train_3=data_3(randnum(1:29),:);test_3=data_3(randnum(30:58),:);tra

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。