Fisher线性判别模式识别例题

Fisher线性判别

【例4-1】本程序为纸币100元A面与50元A 面的Fisher判别门限的程序，通过全局变量 dat自动从样本数据中将内容读入dat[10][4][8][8][60]，dat为一个五维数组，第一维代表10 个样本，第二维代表人民币的币种，第三维代表旧版人民币的四个传感器数据和新  版人民币的四个传感器的数据，第四维代表八个传感器，第五维代表60次采样，程序将记录100元A面与50元A面各自的均值矢量、类内离差矩阵、类内离差总矩阵、投影特征向量和判别阈值。

//慰慰
double sw[32][8][8];//类内离差矩阵
double mj[32][8];//模式均值矢量
double sww[8][8];//类间离差矩阵
//fisher.cpp:Defines the entry point for the console application.//
//rmbdis.cpp:Defines the entry point for the console appication.//
#include"stdio.h"
#include"math.h"
#include"conio.h"
#include<fstream>
#include<iomanip>
using namespace std;
#define PNUM 60
unsigned char dat[10][4][8][8][60]={//0--样本1，1--样本1，...，8--样本9，9--样本10
//0--100,1--50,2--20,3--10
//O--A向，1--B向，2--C向，3--D向，4--新版A向，5-新版B向，6--新版C向，7-新版D向
//0--传感1，1--传感2，2--传感3，3--传感4，4--传感5，5--传感6，6--传感7，7--传感8
{#include"C:\\Users\\慰\\Desktop\\fisher线性判别\\样本\\rmb00.txt"
},
{#include"C:\\Users\\慰\\Desktop\\fisher线性判别\\样本\\rmb01.txt"
},
{#include"C:\\Users\\慰\\Desktop\\fisher线性判别\\样本\\rmb02.txt"
},
{#include"C:\\Users\\慰\\Desktop\\fisher线性判别\\样本\\rmb03.txt"
},
{#include"C:\\Users\\慰\\Desktop\\fisher线性判别\\样本\\rmb04.txt"
},
{#include"C:\\Users\\慰\\Desktop\\fisher线性判别\\样本\\rmb06.txt"
},
{#include"C:\\Users\\慰\\Desktop\\fisher线性判别\\样本\\rmb07.txt"
},
{#include"C:\\Users\\慰\\Desktop\\fisher线性判别\\样本\\rmb08.txt"
},
{#include"C:\\Users\\慰\\Desktop\\fisher线性判别\\样本\\rmb09.txt"
}
};
#define NUM 8
double Eueliden(double x[],double y[],int n)
{double d;
d=0.0;
for(int i=0;i<n;i++){d+=(x[i]-y[i])*(x[i]-y[i]);
}
d=sqrt(d);
return d;
}
double Manhattan(double x[],double y[],int n)
{double d;
d=0.0;
for(int i=0;i<n;i++){d+=fabs(x[i]-y[i]);
}
return d;
}double Chebyshev(double x[],double y[],int n)
{double d;
d=0.0;
for(int i=0;i<n;i++){if(fabs(x[i]-y[i])>d)d=fabs(x[i]-y[i]);
}
return d;
}double Minkowski(double x[],double y[],int n,int m)
{double d;
d=0.0;
for(int i=0;i<n;i++){d+=(double)powf((float)(x[i]-y[i]),(float)m);
}
d=(double)powf((float)d,1.0f/m);
return d;
}double Mahalanobis(double x[],double y[],double matv1[8][8])
{double dx,dy;
int i,j;dx=0.0;
for(i=0;i<8;i++){dy=0.0;
for(j=0;j<8;j++){dy+=matv1[i][j]*(x[j]-y[j]);
}
dx+=dy*(x[i]-y[i]);
}
return dx;
}void GetMatV(double V[8][8],int k)
{int i,j,m,n1,n2,n3;
double xm[8],d,x,y;m=4*8*PNUM;
for(i=0;i<8;i++){d=0;
for(n1=0;n1<4;n1++){for(n2=0;n2<8;n2++){for(n3=0;n3<PNUM;n3++){d+=(double)dat[k][1][n2][i][n3];
}
}
}
d/=m;
xm[i]=d;
}
for(i=0;i<8;i++){for(j=0;j<8;j++){d=0;
for(n1=0;n1<4;n1++){for(n2=0;n2<8;n2++){for(n3=0;n3<PNUM;n3++){x=(double)dat[k][n1][n2][i][n3]-xm[i];
y=(double)dat[k][n1][n2][j][n3]-xm[j];
d+=x*y;
}
}
}
d/=m-1.0;
V[i][j]=d;
}
}
}void Gauss_Jordan(double matv[8][8],double matv1[8][8])
{int n=8;
double mat[8][16],d;
int i,j,l,k;
for(i=0;i<n;i++){for(j=0;j<2*n;j++){if(j<n)
mat[i][j]=matv[i][j];
else
mat[i][j]=0.0;
}
}
for(i=0;i<n;i++)mat[i][n+i]=1.0;
for(k=0;k<n;k++){d=fabs(mat[k][k]);
j=k;
for(i=k+1;i<n;i++){if(fabs(mat[i][k])>d){//选主元
d=fabs(mat[i][k]);
j=i;
}
}if(j!=k){//交换
for(l=0;l<2*n;l++){d=mat[j][l];
mat[j][l]=mat[k][l];
mat[k][l]=d;
}
}
for(j=k+1;j<2*n;j++){mat[k][j]/=mat[k][k];
}
for(i=0;i<n;i++){if(i==k)continue;
for(j=k+1;j<2*n;j++){mat[i][j]-=mat[i][k]*mat[k][j];
}
}
}for(i=0;i<n;i++){for(j=0;j<n;j++){matv1[i][j]=mat[i][j+n];
}
}
}void getswj(double mats[8][8],double mj[8],unsigned char data[8][60])
{int i,j,k;
for(i=0;i<8;i++){mj[i]=0.0;
for(k=0;k<PNUM;k++){mj[i]+=(double)data[i][k];
}
mj[i]/=60.0;
}
for(i=0;i<8;i++){for(j=0;j<8;j++){mats[i][j]=0;
for(k=0;k<PNUM;k++){mats[i][j]+=(data[i][k]-mj[i])*(data[j][k]-mj[j]);
}
mats[i][j]/=59.0;
}
}
}void get4sw(double mats[8][8],double mj[8],unsigned char data[8][8][60])
{int i,j,k,m;
for(i=0;i<NUM;i++){mj[i]=0.0;
for(j=0;j<8;j++){for(k=0;k<PNUM;k++){mj[i]+=(double)data[j][i][k];
}
}
mj[i]/=8.0*PNUM;
}
for(i=0;i<NUM;i++){for(j=0;j<NUM;j++){mats[i][j]=0;
for(m=0;m<8;m++){for(k=0;k<PNUM;k++){mats[i][j]+=(data[m][i][k]-mj[i])*(data[m][j][k]-mj[j]);
}
}
mats[i][j]/=8*PNUM-1;
}
}
}void getsb(double sb[8][8],double mj[32][8],unsigned char data[4][8][8][60])
{int i,j,k;
double m[8];
for(i=0;i<8;i++){m[i]=0;
for(j=0;j<32;j++){for(k=0;k<60;k++){m[i]+=data[j/8][j%8][i][k];
}
}
m[i]/=60.0*32.0;
}
for(i=0;i<8;i++){for(j=0;j<8;j++){sb[i][j]=0;
for(k=0;k<32;k++){sb[i][j]+=(mj[k][i]-m[i])*(mj[k][j]-m[j]);
}
sb[i][j]/=32;
}
}
}void getsw(double swj[32][8][8],double sw[8][8])
{int i,j,k;
for(i=0;i<8;i++){for(j=0;j<8;j++){sw[i][j]=0;
for(k=0;k<32;k++){sw[i][j]+=swj[k][i][j];
}
sw[i][j]/=32.0;
}
}
}void MatMul(double mata[8][8],double matb[8][8],double matc[8][8])
{int i,j,k;
for(i=0;i<NUM;i++){for(j=0;j<NUM;j++){matc[i][j]=0;
for(k=0;k<NUM;k++){matc[i][j]+=mata[i][k]*matb[k][j];
}
}
}
}void MatAdd(double mata[8][8],double matb[8][8],double matc[8][8])
{int i,j;
for(i=0;i<NUM;i++){for(j=0;j<NUM;j++){matc[i][j]=mata[i][j]+matb[i][j];
}
}
}void MatDec(double mata[8][8],double matb[8][8],double matc[8][8])
{int i,j;
for(i=0;i<NUM;i++){for(j=0;j<NUM;j++){matc[i][j]=mata[i][j]-matb[i][j];
}
}
}void getst(double sw[8][8],double sb[8][8],double st[8][8])
{MatAdd(sw,sb,st);
}
double MatTrace(double mat[8][8])
{int i;
double d=0.0;for(i=0;i<NUM;i++){d+=mat[i][i];
}
return d;
}void OutSw(ofstream outfile,double sw[NUM][NUM])
{int i,j;
for(i=0;i<NUM;i++){for(j=0;j<NUM;j++){outfile<<setprecision(5)<<sw[i][j];
if(j<NUM-1)outfile<<",";
else outfile<<endl;
}
}
}
double MulVector(double x[NUM],double y[NUM])
{int i;
double d;
d=0.0;
for(i=0;i<NUM;i++){d+=x[i]*y[i];
}
return d;
}
int main(int argc,char*argv[])
{double sw[32][8][8];
double mj[32][8];
double sww[8][8];
double sww1[8][8];
int i,j;
/*get4sw(sw[0],mj[0],dat[0][0]);
get4sw(sw[8],mj[8],da[0][1]);
get4sw(sw[16],mj[16],dat[0][2]);
get4sw(sw[24],mj[24],dat[0][3]);*/
char name[20]="sw100a.h";
for(i=0;i<32;i++){getswj(sw[i],mj[i],dat[0][i/8][i%8]);
}MatAdd(sw[0],sw[8],sww);
Gauss_Jordan(sww,sww1);
ofstream outfile;
outfile.open("sw100ab.h");
outfile<<"//100A ml:\n";
for(i=0;i<NUM;i++){outfile<<setw(5)<<setprecision(3)<<mj[0][i]<",";
}
outfile<<endl;
outfile<<"//50A m2:\n";
for(i=0;i<NUM;i++){outfile<<setw(5)<<setprecision(3)<<mj[8][i]<<",";
}
outfile<<endl;
outfile<<"//100A SW1:\n";
for(i=0;i<NUM;i++){for(j=0;j<NUM;j++){outfile<<setw(5)<<setprecision(3)<<sw[0][i][j];
if(j<NUM-1)outfile<<",";
else outfile<<endl;
}
}
outfile<<"//50A SW2:\n";
for(i=0;i<NUM;i++){for(j=0;j<NUM;j++){outfile<<setw(5)<<setprecision(3)<<sw[8][i][j];
if(j<NUM-1)outfile<<",";
else outfile<<endl;
}
}
outfile<<"//SW=SW1＋SW2:\n";
for(i=0;i<NUM;i++){for(j=0;j<NUM;j++){outfile<<setw(5)<<setprecision(3)<<sww[i][j];
if(j<NUM-1)outfile<<",";
else outfile<<endl;
}
}
outfile<<"//SW-1:\n";
for(i=0;i<NUM;i++){for(j=0;j<NUM;j++){outfile<<setw(5)<<setprecision(3)<<sww1[i][j];
if(j<NUM-1)outfile<",";
else outfile<<endl;
}
}
double d,u[NUM];
for(i=0;i<NUM;i++){d=0.0;
for(j=0;j<NUM;j++){d+=sww1[i][j]*(mj[0][j]-mj[8][j]);
}
u[i]=d;
}
outfile<"//u=sw-1(ml-m2):\n";
for(i=0;i<NUM;i++){outfile<<setw(5)<<setprecision(3)<<u[i]<<",";
}
outfile<<endl;
d=MulVector(u,mj[0]);
outfile<<"u*ml="<<d<<endl;
double d2;
d2=MulVector(u,mj[8]);
outfile<<"u*m2="<<d2<<endl;
d=(d+d2)/2.0;
outfile<<"yt="<<d<<endl;
double pt[NUM];
outfile<<"100AResult:\n";
for(i=0;i<PNUM;i++){for(j=0;j<NUM;j++){pt[j]=(double)dat[0][0][0][j][i];
}
d=MulVector(u,pt);
outfile<<setw(5)<<setprecision(3)<<d;
if((i+1)%8==0)
outfile<<endl;
else outfile<<",";
}
outfile<<endl;
outfile<<"50AResult:\n";
for(i=0;i<PNUM;i++){for(j=0;j<NUM;j++){pt[j]=dat[0][1][0][j][i];
}
d=MulVector(u,pt);
outfile<<setw(5)<<setprecision(3)<<d;
if((i+1)%8==0)outfile<<endl;
else outfile<<",";
}
outfile<<endl;
outfile.close();
return 0;
}

Fisher线性判别模式识别例题相关推荐

fisher判别_经典模式识别：Fisher线性判别
本文将介绍Fisher线性判别的原理和具体实践,阅读时间约8分钟,关注公众号可在后台领取数据集资源哦^-^ Fisher线性判别 1.背景介绍生活中我们往往会遇到具有高维特性的数据,如个人信息,天气 ...
模式识别（1）Fisher线性判别
Fisher线性判别分类是我们经常会遇到是问题,下面主要介绍Fisher线性判别,利用Fisher算法来分类UCI数据集中的Iris数据集和Sonar数据集. 一.数据集说明 UCI数据库是加州大学 ...
Fisher线性判别
Fisher线性判别一.算法介绍 1.背景: 在应用统计方法解决模式识别问题时,一再碰到的问题之一就是维度问题,在低维空间里解析上或计算上行得通的方法,在高维空间里往往行不通.降低维度有时会成为处理 ...
基于fisher线性判别法的分类器设计
0.引言说明这篇文章实际上是楼主上的模式识别课程的课堂报告,楼主偷懒把东西直接贴出来了.选择fisher判别法的原因主要是想学习一下这个方法,这个方法属于线性判别法,操作起来和lda判别法近乎没啥区 ...
Fisher线性判别算法原理及实现 MATLAB
Fisher线性判别算法原理及实现 MATLAB 一.Fisher判别器原理二.代码实现 clc; close all; clear; %% 生成数据 rng(2020); %指定一个种子 mu1 ...
matlab fisher检验,FISHER线性判别MATLAB实现.doc
FISHER线性判别MATLAB实现 Fisher线性判别上机实验报告班级: 学号: 姓名: 算法描述 Fisher线性判别分析的基本思想:选择一个投影方向(线性变换,线性组合),将高维问题降低到一 ...
Python 分类问题研究-Fisher线性判别
[实验目的] 1．掌握常见机器学习分类模型思想.算法,包括Fisher线性判别.KNN.朴素贝叶斯.Logistic回归.决策树等: 2．掌握Python编程实现分类问题,模型评价指标.计时功能.保存 ...
R语言 Fisher线性判别
本人正在学习R语言,想利用这个平台记录自己一些自己的学习情况,方便以后查找,也想分享出来提供一些资料给同样学习R语言的同学们.(如果内容有错误,欢迎大家批评指正) Fisher线性判别主要用来根据样本 ...
朴素贝叶斯分类器与Fisher线性判别实践——水果识别为例
开篇:本次博客主要分享二分类水果实现案例,样本构造显然不具备泛化.大数量特性以及背景均为纯白色是为了方便目标提取.大家若需要更好的水果样本,Github上有许多的优秀案例.本次代码计算效率较低,代码有 ...

Fisher线性判别模式识别例题

Fisher线性判别

Fisher线性判别模式识别例题相关推荐

最新文章

热门文章

Fisher线性判别 模式识别 例题

Fisher线性判别

Fisher线性判别 模式识别 例题相关推荐

最新文章

热门文章

Fisher线性判别模式识别例题

Fisher线性判别模式识别例题相关推荐