adaboost简单分类案例附MATLAB源码.docx
《adaboost简单分类案例附MATLAB源码.docx》由会员分享，可在线阅读，更多相关《adaboost简单分类案例附MATLAB源码.docx（11页珍藏版）》请在冰豆网上搜索。
adaboost简单分类案例附MATLAB源码
算法介绍
算法分析
举例说明
依次循环
总结
该方法只是adaboost入门案例，里面的分类效果不好，需要进一步改进，但是可以作为入门学习的资料。
MATLAB源码
clc;
clearall;
closeall;
%绘制给出的点数
x=[0,1,2,3,4,5,6,7,8,9];
y=[1,1,1,-1,-1,-1,1,1,1,-1];
z=[x;y];
subplot（2,1,1）
fori=1:
1:
size（x,2）
ify（i）==1
plot（x（i）,y（i）,'+r'）;
else
plot（x（i）,y（i）,'o'）;
end
holdon
end
axis（[-1,10,-2,2]）;%设置坐标轴
%进行线性弱分类器分类
num=4;%循环次数
wSample=1/size（x,2）*ones（size（x,2）,1）;%样例的权重
wClass=zeros（num,1）;%存放权重值
h=zeros（num,1）;%存放分类器
be=ones（num,1）;%为下面循环取得最小误差提供变量
fori1=1:
1:
num
forj=0:
0.1:
9
e0=0;%判断错误的
e1=0;%判断正确的
fork=1:
10%线两边同时判别，以最小误差率为准则进行取值
ifz（1,k）>j
ifz（2,k）==1
e0=e0+wSample（k）;
else
e1=e1+wSample（k）;
end
else
ifz（2,k）==-1
e0=e0+wSample（k）;
else
e1=e1+wSample（k）;
end
end
end
ifbe（i1）>e0
be（i1）=e0;
h（i1）=j;
end
end
%画出该弱直线分类器
line（[h（i1）h（i1）],[-22],'color','c','LineWidth',4）%[][][x前x后]][y前y后]（[]内空格隔开，无逗号）
sumclass=sum（wSample（:
1））;%计算上一次各个权重分布和
%如此我已经找到了最好的值，下面计算分类器权重
we=be（i1）/sumclass;
wClass（i1）=0.5*log（（1-we）/we）;
%计算各个的权重分布
fork1=1:
10
ifz（1,k1）>h（i1）
ifz（2,k1）==1
wSample（k1）=exp（wClass（i1））*wSample（k1）;
else
wSample（k1）=exp（-wClass（i1））*wSample（k1）;
end
else
ifz（2,k1）==-1
wSample（k1）=exp（wClass（i1））*wSample（k1）;
else
wSample（k1）=exp（-wClass（i1））*wSample（k1）;
end
end
end
end
holdoff
%测试得到的强分类器
subplot（2,1,2）
G=zeros（901,1）;
abak=0:
0.01:
9;
forq=1:
1:
901
forabai=1:
num
ifabak（q）>h（abai）
G（q）=G（q）+wClass（abai）*（-1）;
else
G（q）=G（q）+wClass（abai）*
（1）;
end
end
end
plot（abak,G,'r','LineWidth',4）
holdon
SG=zeros（901,1）;%绘制sign函数图形
fori=1:
1:
901
SG（i）=sign（G（i））;
end
plot（abak,SG,'Color',[010],'LineWidth',4）
升级会员 