24小时热门版块排行榜

返回列表

lina_lily

新虫 (正式写手)

应助: 0 (幼儿园)
金币: 609.1
散金: 15
红花: 1
帖子: 419
在线: 32.2小时
虫号: 2783953
注册: 2013-11-07
专业: 计算机应用技术

[求助] 求助：用adaboost方法将gabor特征数据分类该如何训练分类器？或者哪位有相似代码？

任务是：用adaboost算法将48维的gabor特征进行分类，标签为1-9.样本被分成的类别值（1-9），请问具体的思路是什么呢？
下面是我的代码
首先将特征数据分为1类和非1类，其中寻找48列数据中每列数据特征值上的最优弱分类器searchbestweaklearner.m的关键代码:
Y是标签向量，FeatureVector是48维数据中每列的值
u1=mean(FeatureVector(find(Y==1)));  % 类别1均值
u2=mean(FeatureVector(find(Y~=1)));  % 类别2均值************

iteration=4;                      % 迭代次数
sectNum=8;                         % 每次迭代,将搜索区域划分的片段

maxFea=max(u1,u2);                % 搜索空间的最大值
minFea=min(u1,u2);                % 搜索空间的最小值
step=(maxFea-minFea)/(sectNum-1); % 每次搜索的递增量
bestError=cntSamples;                   % 初值:最好的分类器错误率

for iter=1:iteration                % 迭代iteration次,范围逐步缩小,寻找最优值
tempError=cntSamples;                % 初值:第iter次迭代的分类器错误率
for i=1:sectNum                % 第iter次迭代的搜索次数
      thresh=minFea+(i-1)*step; % 第i次搜索的阈值
      h=FeatureVector<thresh;    % 所有样本的阈值分类结果
      errorrate=sum(weight(find(h~=Y)));% 第iter次迭代第i次搜索加权错误率*******************************************这是什么算法？
      p=1;
      if(errorrate>0.5)          % 若错误率超过0.5，则将偏置反向
         errorrate=1-errorrate;
         p=-1;
      end
      if( errorrate<bestError ) % 第iter次迭代最优的错误率阈值偏置
         bestError=errorrate;    % 第iter次迭代最小的错误率
         bestThresh=thresh;    % 第iter次迭代最小错误分类情况下的阈值
         bestBias=p;             % 第iter次迭代最小错误分类情况下的偏置
      end
end

% 将搜索范围缩小,继续进行搜索
span=(maxFea-minFea)/8;       % 搜索范围减为原有的1/4
maxFea=bestThresh+span;       % 减少搜索范围后搜索空间的最大值
minFea=bestThresh-span;       % 减少搜索范围后搜索空间的最小值

step=(maxFea-minFea)/(sectNum-1); % 减少搜索范围后每次搜索的递增量
end
各位有没有建议？感谢

回复此楼