西电模式识别k近邻Word格式文档下载.docx

1、50）,: data2=temp（51:100,1:randnum=randperm（size（data2,1）;train2=data2（randnum（1:test2=data2（randnum（26:data3=temp（101:150,1:randnum=randperm（size（data3,1）;train3=data3（randnum（1:test3=data3（randnum（26:train_sample=cat（1,train1,train2,train3）;test_sample=cat（1,test1,test2,test3）;k=11;kjl=zeros（1,75）;

2、for x=1:75 for y=1: result=sqrt（test_sample（x,1）-train_sample（y,1）2+（test_sample（x,2）-train_sample（y,2）2+（test_sample（x,3）-train_sample（y,3）2+（test_sample（x,4）-train_sample（y,4）2）; kjl（1,y）=result; end B,Ind=sort（kjl）; m1=0; m2=0; m3=0; for n=1:k if Ind（1,n）20&Ind（1,n）=m2&m1=m3） m=1; elseif m2=m1&m2

3、=m3 m=2; else m=3; if x25&x=50,x+50,m）;50&=75,x+75,m）; if （x=50&m=2）|（x=75&m=3） sum（1,i）=sum（1,i）+1;endsum（1,i）=sum（1,i）/75;disp（sprintf（分类正确率为%4.2f,sum（1,i）add=0;for j=1:第%d次分类正确率为%4.2f,j,sum（1,j） add=sum（1,j）+add;平均分类正确率为%4.2f,add/10）Winefunction zx=zx（）;wine.txtdata_1=temp（1:58,1:randnum=randperm

4、（size（data_1,1）;train_1=data_1（randnum（1:29）,:test_1=data_1（randnum（30:58）,:data_2=temp（59:116,1:randnum=randperm（size（data_2,1）;train_2=data_2（randnum（1:test_2=data_2（randnum（30:data_3=temp（117:174,1:randnum=randperm（size（data_3,1）;train_3=data_3（randnum（1:test_3=data_3（randnum（30:train_sample=cat（

5、1,train_1,train_2,train_3）;test_sample=cat（1,test_1,test_2,test_3）;kjl=zeros（1,87）;87=29 ,x+29,m）;29&=58,x+58,m）;58&=87,x+87,m）;=29&=58&=87&sum（1,i）=sum（1,i）/87;4、运行结果第26组数据分类后为第1类第27组数据分类后为第2类第28组数据分类后为第1类第29组数据分类后为第1类第30组数据分类后为第1类第31组数据分类后为第1类第32组数据分类后为第1类第33组数据分类后为第1类第34组数据分类后为第1类第35组数据分类后为第1类第36

6、组数据分类后为第1类第37组数据分类后为第1类第38组数据分类后为第1类第39组数据分类后为第1类第40组数据分类后为第2类第41组数据分类后为第1类第42组数据分类后为第1类第43组数据分类后为第1类第44组数据分类后为第1类第45组数据分类后为第1类第46组数据分类后为第1类第47组数据分类后为第1类第48组数据分类后为第1类第49组数据分类后为第1类第50组数据分类后为第1类第76组数据分类后为第2类第77组数据分类后为第2类第78组数据分类后为第3类第79组数据分类后为第3类第80组数据分类后为第2类第81组数据分类后为第2类第82组数据分类后为第2类第83组数据分类后为第3类第84组

7、数据分类后为第3类第85组数据分类后为第2类第86组数据分类后为第2类第87组数据分类后为第3类第88组数据分类后为第2类第89组数据分类后为第2类第90组数据分类后为第3类第91组数据分类后为第2类第92组数据分类后为第3类第93组数据分类后为第3类第94组数据分类后为第3类第95组数据分类后为第3类第96组数据分类后为第3类第97组数据分类后为第3类第98组数据分类后为第2类第99组数据分类后为第2类第100组数据分类后为第3类第126组数据分类后为第3类第127组数据分类后为第3类第128组数据分类后为第3类第129组数据分类后为第3类第130组数据分类后为第3类第131组数据分类后为第

8、3类第132组数据分类后为第3类第133组数据分类后为第3类第134组数据分类后为第3类第135组数据分类后为第3类第136组数据分类后为第3类第137组数据分类后为第3类第138组数据分类后为第3类第139组数据分类后为第3类第140组数据分类后为第3类第141组数据分类后为第3类第142组数据分类后为第3类第143组数据分类后为第3类第144组数据分类后为第3类第145组数据分类后为第3类第146组数据分类后为第3类第147组数据分类后为第3类第148组数据分类后为第3类第149组数据分类后为第3类第150组数据分类后为第3类 分类正确率为0.96第27组数据分类后为第1类第40组数据分类

9、后为第1类第76组数据分类后为第3类第77组数据分类后为第3类第79组数据分类后为第2类第83组数据分类后为第2类第84组数据分类后为第2类第85组数据分类后为第3类第88组数据分类后为第1类第90组数据分类后为第2类第92组数据分类后为第2类第94组数据分类后为第2类第96组数据分类后为第2类第98组数据分类后为第3类 分类正确率为0.94667 . . . . . . . . . .第51组数据分类后为第1类第52组数据分类后为第1类第53组数据分类后为第1类第54组数据分类后为第1类第55组数据分类后为第1类第56组数据分类后为第1类第57组数据分类后为第1类第58组数据分类后为第1类第

10、88组数据分类后为第3类第89组数据分类后为第3类第91组数据分类后为第3类第95组数据分类后为第1类第99组数据分类后为第3类第101组数据分类后为第3类第102组数据分类后为第3类第103组数据分类后为第3类第104组数据分类后为第2类第105组数据分类后为第3类第106组数据分类后为第3类第107组数据分类后为第2类第108组数据分类后为第3类第109组数据分类后为第3类第110组数据分类后为第2类第111组数据分类后为第2类第112组数据分类后为第3类第113组数据分类后为第3类第114组数据分类后为第3类第115组数据分类后为第3类第116组数据分类后为第3类第151组数据分类后为第

11、3类第152组数据分类后为第3类第153组数据分类后为第3类第154组数据分类后为第3类第155组数据分类后为第3类第156组数据分类后为第3类第157组数据分类后为第3类第158组数据分类后为第3类第159组数据分类后为第3类第160组数据分类后为第3类第161组数据分类后为第3类第162组数据分类后为第3类第163组数据分类后为第3类第164组数据分类后为第3类第165组数据分类后为第3类第166组数据分类后为第3类第167组数据分类后为第3类第168组数据分类后为第3类第169组数据分类后为第3类第170组数据分类后为第3类第171组数据分类后为第3类第172组数据分类后为第3类第173

12、组数据分类后为第3类第174组数据分类后为第2类 分类正确率为0.8764第32组数据分类后为第2类第53组数据分类后为第2类第55组数据分类后为第2类第91组数据分类后为第1类第97组数据分类后为第2类第102组数据分类后为第1类第104组数据分类后为第3类第107组数据分类后为第3类第111组数据分类后为第3类第146组数据分类后为第2类第148组数据分类后为第2类第174组数据分类后为第3类 分类正确率为0.88764. .数据表格：项目总类正确率第一类正确率第二类正确率第三类正确率第1次实验0.9610.92第2次实验0.946670.88第3次实验第4次实验第5次实验0.963330.94第6次实验第7次实验0.93333第8次实验第9次实验0.97333第10次实验0.9866710次平均0.9360.944k=70.87640.966670.866670.887640.766670.90.921350.833330.898880.932580.910110.892130.976670.853330.844835、作业收获 通过本次大作业，我对k近邻算法有了更充分的认识，熟悉了MATLAB的使用方法。为以后的学习打下了基础。