/*初學(xué)adaboost，希望能和大家交流?QQ：358807915
email：smile_spring@yeah.net
*/


#include?
#include?
#include?
#include
#include?
using?std::vector?;
using?namespace?std;
#define?FCOUNT?100//特征數(shù)
#define?CCOUNT?30//弱分類器個數(shù)
#define?PCOUNT?200//正樣本數(shù)
#define?NCOUNT?300//負樣本數(shù)

struct?sample
{
	int?features[FCOUNT];//特征
	int?pos_neg;//正0，負1
	float?weight;//權(quán)值
	int?result;//分類器的識別結(jié)果

};
struct?weakClassifier
{
	int?indexF;
	float?threshold;
};
struct?MySortFunction
{
????int?m_n;
????MySortFunction（int?n）:m_n（n）
????{
????}
????bool?operator（）（sample&s1sample&s2）const
????{
????????return?s1.features[m_n]????}
};
//創(chuàng)建正樣本
void?CreatePos（vector&a）
{
	int?ij;
???for（i=0;i	{
		sample?temp;
		temp.pos_neg=0;
		temp.weight=（float）1/（2*PCOUNT）;
		temp.result?=0;
		for（j=0;j			temp.features[j]=rand（）%10;
		a.push_back（temp）;
	}
}
float?min（float?afloat?b）
{
	return（a<=b?a:b）;
}
//創(chuàng)建負樣本
void?CreateNeg（vector&a）
{
	int?ij;
	for（i=0;i	{
		sample?temp;
		temp.pos_neg=1;
		temp.weight=（float）1/（2*NCOUNT）;
		temp.result?=1;
		for（j=0;j			temp.features[j]=rand（）%10;
		a.push_back（temp）;
	}
}
//Training?classifier
void?Training（vector&avector&bfloat*factors）
{
	int?ij;
	vector::size_type?id=0tcount=a.size（）;
	for（i=0;i	{
		weakClassifier?temp;	
	????float?totalWeights=0.0totalPos=0.0totalNeg=0.0bPos=0bNeg=0;//（當前樣本之前的）正負樣本權(quán)值和
		float?ethrbesterr=1.0;//訓(xùn)練單個分類器時用到的錯誤率，閾值，最小錯誤率
		float?FThr[FCOUNT];//特征閾值
		float?minErr=1.0;//所有特征的最小錯誤率
	????float?beta;//更新權(quán)值所需系數(shù)
/*權(quán)重歸一化*/
		for（id=0;id		{