資源簡介
使用matlab訓練集成分類器,這里使用的是BP網絡,也可以很方便地改為其他分類器,與單個BP分類器相比,正確率由87%上升到97.9,有明顯地提高。
代碼片段和文件信息
function?[L?hits]?=?AdaBoost_te(adaboost_modelte_func_handletest_settrue_labels)
hypothesis_n?=?length(adaboost_model.weights);?? %?集成分類器中分類器的個數
sample_n?=?size(test_set2);?? %?樣本數
class_n?=?size(true_labels1);??%?class_n?=?length(unique(true_labels));
temp_L?=?zeros(class_nsample_nhypothesis_n);???%?likelihoods?for?each?weak?classifier??
??
%?for?each?weak?classifier?likelihoods?of?test?samples?are?collected??
for?i=1:hypothesis_n??
%?temp_L?:?分類結果,?hits:?正確率,?error_rate:?錯誤率(與樣本權重有關,不過這里樣本權重均為1,ones(sample_n1))
????[temp_L(::i)?hits?error_rate]?=?te_func_handle(adaboost_model.parameters{i}test_setones(sample_n1)true_labels);??
????
????%?把每一個分類器的?分類結果?*?分類器的權重?最后把各個分類器的結果相加,得到最終的分類結果
????temp_L(::i)?=?temp_L(::i)*adaboost_model.weights(i);??
end??
L?=?sum(temp_L3);?? %?最終的分類結果為?L
hits?=?sum(vec2ind(L)?==?vec2ind(true_labels)); %?集成分類器正確分類的個數。
?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2018-07-27?21:41??集成分類器Adaboost\
?????文件????????1134??2018-04-15?19:50??集成分類器Adaboost\AdaBoost_te.m
?????文件????????1718??2018-04-15?19:38??集成分類器Adaboost\AdaBoost_tr.m
?????文件????14322325??2018-01-23?23:17??集成分類器Adaboost\Batch.mat
?????文件????????2105??2018-07-27?21:03??集成分類器Adaboost\BP.m
?????文件????????4678??2018-04-15?19:50??集成分類器Adaboost\Chairman_Ensemble.m
?????文件????????1574??2018-07-27?21:39??集成分類器Adaboost\Main.m
?????文件?????????567??2018-04-15?19:50??集成分類器Adaboost\Threshold_te.m
?????文件?????????955??2018-04-15?19:21??集成分類器Adaboost\Threshold_tr.m
?????文件??????941794??2018-07-27?20:04??集成分類器Adaboost\傳感器數據庫匯總.docx
?????文件?????????185??2018-07-27?21:48??集成分類器Adaboost\說明.txt
評論
共有 條評論