C++编程bayes算法.docx
《C++编程bayes算法.docx》由会员分享，可在线阅读，更多相关《C++编程bayes算法.docx（21页珍藏版）》请在冰豆网上搜索。
C++编程bayes算法
运行界面：
源代码：
#include"stdafx.h"
#include"Bayes.h"
#include"BayesClass.h"
#include
#ifdef_DEBUG
#undefTHIS_FILE
staticcharTHIS_FILE[]=__FILE__;
#definenewDEBUG_NEW
#endif
BayesClass:
:
BayesClass（HWNDh）
{
hwnd=h;
if（（fout=fopen（"result.txt","w"））==NULL）
exit（0）;
}
BayesClass:
:
~BayesClass（）
{
if（fout!
=NULL）
fclose（fout）;
inti;
for（i=0;i{
if（NULL!
=mean.at（i））
{
deletemean.at（i）;
}
}
for（i=0;i{
if（NULL!
=covariance.at（i））
{
deletecovariance.at（i）;
}
}
for（i=0;i{
if（NULL!
=prama.at（i））
{
deleteprama.at（i）;
}
}
for（i=0;i{
if（NULL!
=faceprama.at（i））
{
deletefaceprama.at（i）;
}
}
for（i=0;i{
if（NULL!
=coefficient.at（i））
{
deletecoefficient.at（i）;
}
}
for（i=0;i{
if（NULL!
=coefficientface.at（i））
{
deletecoefficientface.at（i）;
}
}
}
intBayesClass:
:
LoadSamples（char*fname）
{
FILE*InFile;
inti,j;
intx;
if（（InFile=fopen（fname,"r"））==NULL）
returnFAILURE;
fscanf（InFile,"%d",&num）;
fscanf（InFile,"%d",&dim）;
fscanf（InFile,"%d",&cls）;
for（i=0;ivectortemp;
for（j=0;jfscanf（InFile,"%d",&x）;
temp.push_back（x）;
}
samples.samples.push_back（temp）;
fscanf（InFile,"%d",&x）;
samples.belong.push_back（x）;
}
//writetheloadresulttofile
FPEL（fout）;
FPS（fout,"samples:
"）;
FPEL（fout）;
for（i=0;ifor（j=0;jFPI（fout,samples.samples.at（i）.at（j）,NEL）;
}
FPI（fout,samples.belong.at（i）,NEL）;
FPEL（fout）;
}
returnSUCCESS;
}
voidBayesClass:
:
EstimateGauss（）
{
inti,j,k;
intcount;
doublesum;
doublemeandim;
//caltheguassmean
for（i=1;i<=cls;i++）
{
double*temp=newdouble[dim];
for（j=0;j{
count=0;
sum=0.0;
for（k=0;k{if（samples.belong.at（k）==i）
{
count++;
sum+=samples.samples.at（k）.at（j）;
}
}
if（count==0）
{
return;
}
temp[j]=sum/count;
}
preratio.push_back（（double）count/num）;//calpreratio
Matrix*m=newMatrix（temp,dim）;
mean.push_back（m）;
delete[]temp;
}
//writethemeanstofile
FPEL（fout）;
FPS（fout,"means:
"）;
FPEL（fout）;
for（i=0;i{
FPS（fout,mean.at（i）->ToString（）.c_str（））;
FPEL（fout）;
}
//calthecovariancematrix
for（i=1;i<=cls;i++）
{
Matrix*m=mean.at（i-1）;
double*temp=newdouble[dim*dim];
for（inttempi=0;tempi{
temp[tempi]=0;
}
for（j=0;j{
count=0;
sum=0.0;
meandim=m->GetValue（0,j）;
for（k=0;k{if（samples.belong.at（k）==i）
{
count++;
sum+=（samples.samples.at（k）.at（j）-meandim）*（samples.samples.at（k）.at（j）-meandim）;
}
}
if（count==0）
{
return;
}
//temp[j*dim+j]=sum/count;
temp[j*dim+j]=sum/（count-1）;//waitforchange
}
Matrix*c=newMatrix（temp,dim,dim）;
covariance.push_back（c）;
delete[]temp;
}
//writethecovariancetofile
FPEL（fout）;
FPS（fout,"covariance:
"）;
FPEL（fout）;
for（i=0;i{
FPS（fout,covariance.at（i）->ToString（）.c_str（））;
FPEL（fout）;
}
}
voidBayesClass:
:
CalDistPrama（intcontype）
{
this->contype=contype;
switch（contype）
{
caseCON_EQUL:
{
inti;
doubletemp;
//doublea,b,c;
Matrixtotal（0.0,dim）;
for（i=0;i{
total=total+covariance.at（i）->T（）.T（）;
}
FPEL（fout）;
FPS（fout,"Totalcovariance:
"）;
FPEL（fout）;
FPS（fout,total.ToString（）.c_str（））;
FPEL（fout）;
for（i=0;i{
DISTPRAMA*dp=newDISTPRAMA（）;
//dp->Vi=（-1.0/2）*（covariance.at（i）->Contra（））;
dp->Wi=（total.Contra（））*（mean.at（i）->T（））;
temp=（（mean.at（i）->T（）.T（））*（total.Contra（））*（mean.at（i）->T（）））.GetFirstValue（）;
//a=（-1.0/2）*log（covariance.at（i）->Arg（））;
//b=log（preratio.at（i））;
//dp->w0=（-1.0/2）*temp-a+b;
dp->w0=（-1.0/2）*temp-（-1.0/2）*log（total.Arg（））+log（preratio.at（i））;
prama.push_back（dp）;
}
FPEL（fout）;
FPS（fout,"DISTPRAMA:
"）;
FPEL（fout）;
for（i=0;i{
DISTPRAMA*dp=prama.at（i）;
//FPS（fout,dp->Vi.ToString（）.c_str（））;
//FPEL（fout）;
FPS（fout,dp->Wi.ToString（）.c_str（））;
FPEL（fout）;
FPD（fout,dp->w0）;
FPEL（fout）;
}
}
break;
caseCON_NOTEQUL:
{
inti;
doubletemp;
//doublea,b,c;
for（i=0;i{
DISTPRAMA*dp=newDISTPRAMA（）;
dp->Vi=（-1.0/2）*（covariance.at（i）->Contra（））;
dp->Wi=（covariance.at（i）->Contra（））*（mean.at（i）->T（））;
temp=（（mean.at（i）->T（）.T（））*（covariance.at（i）->Contra（））*（mean.at（i）->T（）））.GetFirstValue（）;
//a=（-1.0/2）*log（covariance.at（i）->Arg（））;
//b=log（preratio.at（i））;
//dp->w0=（-1.0/2）*temp-a+b;
dp->w0=（-1.0/2）*temp-（-1.0/2）*log（covariance.at（i）->Arg（））+log（preratio.at（i））;
prama.push_back（dp）;
}
FPEL（fout）;
FPS（fout,"DISTPRAMA:
"）;
FPEL（fout）;
for（i=0;i{
DISTPRAMA*dp=prama.at（i）;
FPS（fout,dp->Vi.ToString（）.c_str（））;
FPEL（fout）;
FPS（fout,dp->Wi.ToString（）.c_str（））;
FPEL（fout）;
FPD（fout,dp->w0）;
FPEL（fout）;
}
}
break;
}
}
voidBayesClass:
:
CalDistFace（）
{
switch（contype）
{
caseCON_EQUL:
{
inti,j;
doubletemp;
Matrixtotal（0.0,dim）;
for（i=0;i{
total=total+covariance.at（i）->T（）.T（）;
}
for（i=0;i{
for（j=i+1;j{
DISTFACEPRAMA*dfp=newDISTFACEPRAMA（）;
Matrixtempm=mean.at（i）->T（）-mean.at（j）->T（）;
dfp->w=total.Contra（）*tempm;
temp=（tempm.T（）*total.Contra（）*tempm）.GetFirstValue（）;
dfp->x0=（（-1.0/2）-log（（preratio.at（i）/preratio.at（j））/temp））*tempm;
faceprama.push_back（dfp）;
}
}
FPEL（fout）;
FPS（fout,"DISTFACEPRAMA:
"）;
FPEL（fout）;
for（i=0;i{
DISTFACEPRAMA*dfp=faceprama.at（i）;
FPS（fout,dfp->w.ToString（）.c_str（））;
FPEL（fout）;
FPS（fout,dfp->x0.ToString（）.c_str（））;
FPEL（fout）;
}
}
break;
caseCON_NOTEQUL:
//{
//inti;
//doubletemp;
//for（i=0;i//{
//DISTPRAMA*dp=newDISTPRAMA（）;
//dp->Vi=（-1.0/2）*（covariance.at（i）->Contra（））;
//dp->Wi=（covariance.at（i）->Contra（））*（mean.at（i）->T（））;
//temp=（（mean.at（i）->T（）.T（））*（covariance.at（i）->Contra（））*（mean.at（i）->T（）））.GetFirstValue（）;
////a=（-1.0/2）*log（covariance.at（i）->Arg（））;
////b=log（preratio.at（i））;
////dp->w0=（-1.0/2）*temp-a+b;
//dp->w0=（-1.0/2）*temp-（-1.0/2）*log（covariance.at（i）->Arg（））+log（preratio.at（i））;
//prama.push_back（dp）;
//}
//for（i=0;i//{
//DISTPRAMA*dp=prama.at（i）;
//FPS（fout,dp->Vi.ToString（）.c_str（））;
//FPEL（fout）;
//FPS（fout,dp->Wi.ToString（）.c_str（））;
//FPEL（fout）;
//FPD（fout,dp->w0）;
//FPEL（fout）;
//}
//}
break;
}
}
intBayesClass:
:
DoDistOne（int*one,intn）
{
SetOne（one,n）;
returnDistOne（）;
}
intBayesClass:
:
DoDistOne（vector*test）
{
if（test->size（）!
=dim）{
return-1;
}
inti;
this->one.clear（）;
for（i=0;i{
this->one.push_back（test->at（i））;
}
returnDistOne（）;
}
voidBayesClass:
:
SetOne（int*one,intn）
{
this->one.clear（）;
intd=（dim>n）?
n:
dim;
inti;
for（i=0;i{
this->one.push_back（one[i]）;
}
//ifnislessthandim,theleftarefilledwith0
for（i=d;i{
this->one.push_back（0）;
}
}
intBayesClass:
:
DistOne（）
{
if（one.size（）!
=dim）
{
return-1;
}
double*ratio=newdouble[cls];
inti;
double*temp=newdouble[dim];
for（i=0;i{
temp[i]=one.at（i）;
}
Matrixm（temp,dim）;
delete[]temp;
//doublea,b;
for（i=0;i{
//a=（m*prama.at（i）->Vi*m.T（））.GetFirstValue（）;
//b=（prama.at（i）->Wi.T（）*m.T（））.GetFirstValue（）;
//ratio[i]=a+b+prama.at（i）->w0;
switch（contype）
{
caseCON_EQUL:
{
ratio[i]=（prama.at（i）->Wi.T（）*m.T（））.GetFirstValue（）+prama.at（i）->w0;
}
break;
caseCON_NOTEQUL:
{
ratio[i]=（m*prama.at（i）->Vi*m.T（））.GetFirstValue（）+（prama.at（i）->Wi.T（）*m.T（））.GetFirstValue（）+prama.at（i）->w0;
}
break;
}
}
for（i=0;i{
FPD（fout,ratio[i]）;
}
//getthemax
doublemax=ratio[0];
intindex=0;
for（i=1;i{
if（max}
delete[]ratio;
returnindex+1;
}
voidBayesClass:
:
PrepareForDist（intcontype）
{
EstimateGauss（）;
CalDistPrama（contype）;
//CalDistFace（）;
CalCoefficientFace（）;
}
SAMPLE*BayesClass:
:
GetSamples（）
{
return&samples;
}
vector*BayesClass:
:
GetDistPrama（）
{
return&prama;
}
voidBayesClass:
:
ConvertToEquation（）
{
if（dim!
=2）
{
return;
}
inti;
switch（contype）
{
caseCON_EQUL:
{
for（i=0;i{
COEFFICIENT*co=newCOEFFICIENT（）;
co->one1=prama.at（i）->Wi.GetValue（0,0）;
co->one2=prama.at（i）->Wi.GetValue（1,0）;
co->zero=prama.at（i）->w0;
coefficient.push_back（co）;
}
}
break;
caseCON_NOTEQUL:
{
for（i=0;i{
COEFFICIENT*co=newCOEFFICIENT（）;
co->two1=prama.at（i）->Vi.GetValue（0,0）+prama.at（i）->Vi.GetValue（0,1）;
co->two2=prama.at（i）->Vi.GetValue（1,0）+prama.at（i）->Vi.GetValue（1,1）;
co->one1=prama.at（i）->Wi.GetValue（0,0）;
co->one2=prama.at（i）->Wi.GetValue（1,0）;
co->zero=prama.at（i）->w0;
coefficient.push_back（co）;
}
}
break;
}
}
voidBayesClass:
:
CalCoefficientFace（）
{
if（dim!
=2）
{
return;
}
inti,j;
switch（contype）
{
caseCON_EQUL:
{
for（i=0;i{
for（j=i+
升级会员 