精华内容
下载资源
问答
  • BP神经网络分类信号 本代码亲测有效 含有测试数据 对正在进行相关研究的人员来说很有参考价值
  • 该资源为matlab实现的pnn神经网络分类代码。pnn概率神经网络主要用于模式分类代码直接运行即可,得到训练集测试集的分类图像,输出测试集的分类正确率结果。数据是excel格式,可以套自己的数据,上手简单。
  • MATLAB的疲劳检测代码睡意检测 Matlab睡意检测代码 编写Matlab代码以监视人的状态并在睡意时发出警报。 我已经用疲劳和非疲劳样本训练了SVM分类器。 如何运行? 解压缩并将“睡眠”文件夹放置在Matlab的路径中。 ...
  • result”,用于保存测试图像,建议的WTMF策略代码和缺陷检测结果。 对于MATLAB代码,存在三个.m文件:example_ATdetWaveMF.m,funATdetWaveMF.m,funSecondDerGauTradition.m,其中example_ATdetWaveMF.m是主文件,...
  • 编写了一个 Matlab 代码来监控一个人的状态并在困倦的情况下发出警报。 我已经用疲劳和非疲劳样本训练了 SVM 分类器。 怎么跑?? 1. 解压并把'Sleep'文件夹放在Matlab的路径下。 2. 打开网络摄像头,进入命令窗口并...
  • MATLAB的疲劳检测代码睡意检测2 Matlab睡意检测代码2 编写Matlab代码以监视人的状态并在睡意时发出警报。 我已经用疲劳和非疲劳样本训练了SVM分类器。 如何运行? Unzip and place the 'Sleep' folder in the path ...
  • matlab生成谐波代码脑电信号处理 Matlab中的EEG信号预处理和分类。 开发该代码是为了分析EEG信号在抓握和提起任务中区分丝绸,麂皮和砂纸的表面纹理的能力。 此代码中使用的数据是Luciw et.al.()生成的数据。 ...
  • 决策树二分类matlab代码这是用于使用决策森林框架[1](在下文中称为Sherwood)进行分类MATLAB包装器。 培训和分类是并行的。 入门 需要MATLAB和c ++编译器。 根据Sherwood的许可,您必须下载并将其放在/ Sherwood ...
  • 该库包含许多用MATLAB编写的交叉验证和测试分类代码。 -> f_FeatureMtxtoAccur_LDAReg_KfoldCV此函数对输入数据集执行k倍交叉验证,并使用正则化LDA返回精度。 -> f_FeatureMtxtoAccur_LDAReg_LeaveOneOutCV该函数...
  • BP神经网络分类MATLAB代码+测试数据,亲测绝对可运行,绝对业界良心
  • 完全MATLAB代码,包涵大量注释,多个子程序方便其他算法的替换,基于DSIFT+BOW+SVM的物体分类算法,只要下载caltech101,压缩包里附带下载网址,不用其他配置,方便学习。
  • 用于生成测试分类算法的数据集。自动生成500组数据,数据分为5种类型。适用于adaboost算法,svm算法,BP算法。
  • dnn matlab 代码 MATLAB MATLAB 相关机器学习代码 本文件夹中的程序包括BPNN、DBN、DNN三个深度模型的MATLAB程序 对文件夹中的程序做输入下说明: ...《data》文件夹主要用于存储用于训练和测试的数据,
  • Matlab关于多目标分类的算法实现有代码及详细注释-CSLDA.m 按照文献“类依赖的线性判别分析”给出的CSLDA算法思路,我编写出相应代码,然后用UCI实验室测试数据测试,效果不太好,那点错了吗?该如何修正?望高手...
  • 这个 Matlab 代码可以将测试数据集分为 15 个不同的类别,即“卧室”、“海岸”、“森林”、“公路”、“工业”、“内部城市”、“厨房”、“客厅”、“山”、“办公室”、“OpenCountry”、“商店”、“街道”、...
  • 编写了一个 Matlab 代码来分割肿瘤并使用 SVM 将其分类为良性或恶性。 使用的特征是DWT+PCA+Statistical+Texture 怎么跑?? 1.解压Brain_Tumor_Code文件夹放在Matlab路径下,添加数据集2. 运行 BrainMRI_GUI.m 并在...
  • 基于matlab的图像分类

    2019-05-08 11:47:20
    此文件中包含的代码是对图像可以进行分类,将图像上的裂缝以及孔等可以分类出来
  • 文章目录SVM 多分类对带标签的高光谱数据建立分类模型代码1.训练集、测试集2、数据归一化3、参数选择4、模型训练5、模型测试 SVM 多分类 采用libSVM包进行多分类 对带标签的高光谱数据建立分类模型 数据描述:三个...


    SVM 多分类

    采用libSVM包进行多分类

    对带标签的高光谱数据建立分类模型

    数据描述:三个类别,每个类别300个样本,特征数量为237。

    代码

    1.训练集、测试集

    将数据分为训练集和测试集,训练集数量为800,测试集为100。

    clear
    clc
    
    load data.mat
    
    test_num = 100;
    l = randperm(size(dataset,1));
    
    %  测试集――100个样本
    test_data = dataset(l(1:test_num),:);
    test_label = label(l(1:test_num),:);
    %  训练集――800个样本
    train_data = dataset(l(test_num+1:end),:);
    train_label = label(l(test_num+1:end),:);
    
    write_traindata = [train_label train_data];
    write_testdata = [test_label test_data];
    csvwrite('C:\Users\Desktop\traindata.csv',write_traindata);
    csvwrite('C:\Users\Desktop\testdata.csv',write_testdata);
    # dlmwrite('C:\Users\Desktop\traindata.csv',write_traindata,'-append');    %写入训练集文件
    # dlmwrite('C:\Users\Desktop\testdata.csv',write_testdata,'-append');      %写入测试集文件
    save('write_traindata','write_traindata');
    save('write_testdata','write_testdata');
    

    函数csvwrite()每次执行之后数据会覆盖表格之前的数据;函数dlmwrite()可以将数据写在表格数据的后面,不会覆盖原有数据。

    2、数据归一化

    SVM分类器对数据进行分类前,需要将数据归一化

    clear
    clc
    
    load write_traindata.mat
    load write_testdata.mat
    
    
    %  训练集――800个样本
    train_data = write_traindata(:,2:end);
    train_label = write_traindata(:,1);
    %  测试集――100个样本
    test_data = write_testdata(:,2:end);
    test_label = write_testdata(:,1);
    
    % 数据归一化
    [Train_matrix,PS] = mapminmax(train_data',0,1);
    Train_matrix = Train_matrix';
    Test_matrix = mapminmax('apply',test_data',PS);
    Test_matrix = Test_matrix';
    

    3、参数选择

    SVM的核函数是选用径向基函数(RBF),这里采用CV方法选择最优的参数,c表示惩罚系数,g表示核函数自带的参数gamma。

    [c,g] = meshgrid(-10:1:10,-10:1:10);
    [m,n] = size(c);
    cg = zeros(m,n);
    eps = 10^(-4);
    v = 5;
    bestc = 1;
    bestg = 0.1;
    bestacc = 0;
    for i = 1:m
        for j = 1:n
            cmd = ['-v ',num2str(v),' -t 2',' -c ',num2str(2^c(i,j)),' -g ',num2str(2^g(i,j))];
            cg(i,j) = libsvmtrain(train_label,Train_matrix,cmd);
            if cg(i,j) > bestacc
                bestacc = cg(i,j);
                bestc = 2^c(i,j);
                bestg = 2^g(i,j);
            end
            if abs( cg(i,j)-bestacc )<=eps && bestc > 2^c(i,j)
                bestacc = cg(i,j);
                bestc = 2^c(i,j);
                bestg = 2^g(i,j);
            end
        end
    end
    cmd = [' -t 2',' -c ',num2str(bestc),' -g ',num2str(bestg)];
    

    4、模型训练

    将得到的最优参数带入模型,用训练集数据和标签训练模型。

    model = libsvmtrain(train_label,Train_matrix,cmd);
    

    5、模型测试

    [predict_label_1,accuracy_1,decision_values1] = libsvmpredict(train_label,Train_matrix,model);
    [predict_label_2,accuracy_2,decision_values2] = libsvmpredict(test_label,Test_matrix,model);
    
    SVM_Res =  accuracy_2(1,1);
    disp(["最优参数为:","c为",num2str(bestc),"g为",num2str(bestg)]);
    disp(["模型训练精度为:",num2str(accuracy_1(1,1))]);
    disp(["模型测试精度为:",num2str(accuracy_2(1,1))]);
    
    展开全文
  • matlab代码程序,训练集 测试代码,优化半监督svm 朴素贝叶斯 等等
  • matlab精度检验代码场景分类 此项目是James Hays教授在他的演讲袋中进行“场景识别”(2013年秋季课程)的实现。该实现使用多种特征提取技术对15组类别的100张图像(共1500张图像)进行分类。 Hays特殊教授,公开...
  • 瑕疵检测代码-matlab 数据库扫描 DBSCANWBM的Matlab代码 发言题目:基于新颖的基于DBSCAN的晶圆盒图缺陷模式检测分类框架
  • matlab实现垃圾邮件分类代码过滤器 使用机器学习过滤垃圾邮件 该项目专注于开发电子邮件垃圾邮件过滤器,该过滤器学习使用各种机器学习技术对垃圾邮件和非垃圾邮件进行分类。 机器学习系统将接受电子邮件消息的训练...
  • 随机森林图像matlab代码随机决策森林 我们将RF应用于Caltech101数据集的子集以进行图像分类。 使用提供的Caltech101数据集。 我们使用10个班级,每个班级使用15张图像进行训练,并使用每班其他15张图像进行测试。 给...
  • Matlab关于多目标分类的算法实现有代码及详细注释-UCI.DAT 按照文献“类依赖的线性判别分析”给出的CSLDA算法思路,我编写出相应代码,然后用UCI实验室测试数据测试,效果不太好,那点错了吗?该如何修正?望高手...
  • KNN分类器完整的matlab代码

    热门讨论 2013-07-18 15:59:38
    可以通过使用KNN分类器进行图片分类,KNN分类器完整的matlab代码
  • 文章主要内容:第一种图像分类算法:极光作为太阳风与地球磁层相互作用产生的典型电离层踪迹,其形态和变化过程对研究空间天气活动极为重要。日侧冕状极光作为极光一种重要形态,能够反映磁正午时期太阳风和地球磁层...

    文章主要内容:

    第一种图像分类算法:

    极光作为太阳风与地球磁层相互作用产生的典型电离层踪迹,其形态和变化过程对研究空间天气活动极为重要。日侧冕状极光作为极光一种重要形态,能够反映磁正午时期太阳风和地球磁层相互作用的过程。因此,研究各类日侧冕状极光对分析空间天气活动,电离层及其动态特征具有重要意义。本文提出了一种新的基于静态极光图像分类的极光特征提取方法,利用X-GLAMs提取极光原始图像的纹理特征。结合极光纹理特点,X-GLAM选取典型邻域点组成新的邻域机制。在分类阶段,利用支持向量机(SVM)学习极光纹理类别模型,然后将给定的极光纹理特征分类到之前学习的类别模型中去。实验结果显示,基于X-GLAMs特征的日侧极光图像分类算法在处理复杂的冕状极光时获得了很好的效果。针对大规模待处理的极光样本数据,本文提出了一种基于特征选择的日侧极光分类算法。为了降低噪声影响并解决特征维度过高的问题,引入ReliefF算法对X-GLAMs特征进行选择,进一步筛选出有效的特征向量。本文提出的特征选择方法在保证计算精度的前提下,一定程度上减小了实验运行速度,为大规模处理极光样本数据创造了基础。实验对X-GLAM和BGLAM两组特征集进行了特征选择前后分类的对比实验,其中所有数据都来自我国北极黄河站真实的极光数据库。实验证明了本文提出的极光分类算法的有效性。

    截图演示:

    a4c26d1e5885305701be709a3d33442f.png

    第二种图像分类算法:

    极化SAR能够同时获得目标区域的多通道与高分辨率数据,可更好的揭示目标的物理散射特性,因此,极化SAR图像的特征提取与目标分类在解释雷达图像和目标识别方面起着十分重要的作用。充分利用极化信息,可更加准确地理解目标散射机理,从而带来更好的SAR图像分类结果。本文根据极化SAR数据的特点,结合子孔径分析技术,进行了极化SAR图像目标分类算法的研究,主要工作如下:1.总结了目前常用的极化SAR图像分类算法及其存在的问题。在此基础上,将AdaBoost算法与极化通道所携带的信息相结合,对极化SAR图像进行监督分类,在已知场景类别数的情况下,该方法能够加快收敛速度,改善分类效果;2.研究了基于子孔径分析的极化散射机理与特征提取方法。首先从时频分解的角度对方位向子孔径进行了分析,对场景中存在的各向异性散射行为和布拉格谐振现象进行了讨论。针对场景中的非平稳目标,分析了已有的极大似然比非平稳目标检测算法,还研究了一种基于熵值与平均散射机理角的联合向量检测非平稳目标的方法。通过该方法可以对方位向频谱中的非平稳散射行为进行定位,最终消除非平稳散射在全孔径中的影响;3.对目标的极化分解方法与基于极化分解的极化SAR图像分类方法进行了研究与仿真试验。如Pauli分解、Krogager分解、H/α分类、H/A/α分类、H/α/Wishart分类、H/A/α/Wishart分类和基于Freeman-Wishart的极化SAR图像分类等。在此基础上,改进了基于AdaBoost算法的极化SAR图像分类方法,将Pauli分解与AdaBoost算法的优势得以发挥,该方法既解决了AdaBoost算法需要知道场景先验知识的缺点,同时还能改善分类效果、提高收敛速度;4.改进了基于全孔径数据的极化SAR图像分类方法,得到三种基于子孔径的极化SAR图像分类算法并进行了仿真试验:一是非平稳目标检测与H/α分类相结合的极化SAR图像分类;二是子孔径分解与H/α/Wishart迭代分类相结合的极化SAR图像分类;三是结合Freeman分解与子孔径散射特性的极化SAR图像分类。仿真试验表明,结合子孔径分析与极化分解的极化SAR图像分类,能够在一定程度上改善分类效果、增加分类精细度、提高收敛速度,在实际的SAR图像分类应用中具有很大的价值。

    matlab主程序:

    function

    [BESTX,BESTY,ALLX,ALLY]=ImageClassify(K,N,Pm,LB,UB,D,c,m)

    % 轻风论文网原创作品,转载请注明

    M=length(LB);

    farm=zeros(M,N);

    for i=1:M

    x=unifrnd(LB(i),UB(i),1,N);

    farm(i,:)=x;

    end

    ALLX=cell(K,1);

    ALLY=zeros(K,N);

    BESTX=cell(K,1);

    BESTY=zeros(K,1);

    k=1;

    while k<=K

    newfarm=zeros(M,2*N);

    Ser=randperm(N);

    A=farm(:,Ser(1));

    B=farm(:,Ser(2));

    P0=unidrnd(M-1);

    a=[A(1:P0,:);B((P0+1):end,:)];

    b=[B(1:P0,:);A((P0+1):end,:)];

    newfarm(:,2*N-1)=a;

    newfarm(:,2*N)=b;

    for i=1:(N-1)

    A=farm(:,Ser(i));

    B=farm(:,Ser(i+1));

    P0=unidrnd(M-1);

    a=[A(1:P0,:);B((P0+1):end,:)];

    b=[B(1:P0,:);A((P0+1):end,:)];

    newfarm(:,2*i-1)=a;

    newfarm(:,2*i)=b;

    end

    FARM=[farm,newfarm];

    SER=randperm(3*N);

    FITNESS=zeros(1,3*N);

    fitness=zeros(1,N);

    for i=1:(3*N)

    Beta=FARM(:,i);

    FITNESS(i)=FIT(Beta,D,c,m);

    end

    for i=1:N

    f1=FITNESS(SER(3*i-2));

    f2=FITNESS(SER(3*i-1));

    f3=FITNESS(SER(3*i));

    if

    f1<=f2&&f1<=f3

    farm(:,i)=FARM(:,SER(3*i-2));

    fitness(:,i)=FITNESS(:,SER(3*i-2));

    elseif

    f2<=f1&&f2<=f3

    farm(:,i)=FARM(:,SER(3*i-1));

    fitness(:,i)=FITNESS(:,SER(3*i-1));

    else

    farm(:,i)=FARM(:,SER(3*i));

    fitness(:,i)=FITNESS(:,SER(3*i));

    end

    end

    X=farm;

    Y=fitness;

    ALLX{k}=X;

    ALLY(k,:)=Y;

    minY=min(Y);

    pos=find(Y==minY);

    BESTX{k}=X(:,pos(1));

    BESTY(k)=minY;

    for i=1:N

    if

    Pm>rand&&pos(1)~=i

    AA=farm(:,i);

    BB=GM(AA,LB,UB);

    farm(:,i)=BB;

    end

    end

    本文出自轻风论文网http://www.xrlw888.com/post/50.html,转载请注明

    展开全文
  • 用于人工神经网络分类MATLAB代码。 该ANN只能有一个隐藏层。 该网络是从头开始编码的,这意味着它不使用MATLAB Deep Learning Toolbox之类的东西。 我这样做是因为我想了解ANN背后的所有数学原理。 另外,从头开始...
  • 智能垃圾分类系统系统仿真程序matlab
  • matlab代码多使用从头开始的决策树进行分类 介绍 利用决策树基于ID3算法对字母识别数据进行分类,得到混淆矩阵。 第一部分 该树是根据信息增益(IG)准则进行训练的。 第二部分 该树是根据基尼系数准则进行训练的。 ...
  • matlab精度检验代码用于自动调制分类的深度学习 我们为自动调制分类(AMC)的任务提出了一种高效且轻量级的卷积神经网络(CNN)。 在将接收到的信号发送到我们的CNN模型之前,我们将信号转换为具有建议的累积极性...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 17,660
精华内容 7,064
关键字:

matlab分类检测代码

matlab 订阅