特征選擇特征提取matlab算法實現(xiàn)模式識別

1、6 特征選擇6.1 問題對“threethreelarge.m”數(shù)據(jù)，采用任意一種特征選擇算法，選擇2個特征6.2 思路采用簡單特征選擇法（simple feature selection approach）,首先計算每一個特征的分類能力值，再選擇出其中最大分類能力的l個特征。6.3 結(jié)果eigs = 8.9234 0.0000 0.0767 SelectedFeature = 1 3也就是說，選取x和z坐標作為特征。6.4 代碼% 特征選擇代碼，見FSthrthrlrg.m文件m1=0,0,0; m2=0,0,0; m3=0,0,0; m=0,0,0;for i=1:200 m1(1)=m1

2、(1)+(x1(i,1)-m1(1)/i; m1(2)=m1(2)+(x1(i,2)-m1(2)/i; m1(3)=m1(3)+(x1(i,3)-m1(3)/i;end;for i=1:190 m2(1)=m2(1)+(x2(i,1)-m2(1)/i; m2(2)=m2(2)+(x2(i,2)-m2(2)/i; m2(3)=m2(3)+(x2(i,3)-m2(3)/i;end;for i=1:210 m3(1)=m3(1)+(x3(i,1)-m3(1)/i; m3(2)=m3(2)+(x3(i,2)-m3(2)/i; m3(3)=m3(3)+(x3(i,3)-m3(3)/i;end;m(1)=

3、(m1(1)+m2(1)+m3(1)/3; m(2)=(m1(2)+m2(2)+m3(2)/3;m(3)=(m1(3)+m2(3)+m3(3)/3;sw1=zeros(3,3); sw2=zeros(3,3); sw3=zeros(3,3); sw=zeros(3,3); sb=zeros(3,3);for i=1:200 sw1=sw1+(x1(i,1),x1(i,2),x1(i,3)-m1)'*(x1(i,1),x1(i,2),x1(i,3)-m1);end;for i=1:190 sw2=sw2+(x2(i,1),x2(i,2),x2(i,3)-m2)'*(x2(i,1)

4、,x2(i,2),x2(i,3)-m2);end;for i=1:210 sw3=sw3+(x3(i,1),x3(i,2),x3(i,3)-m3)'*(x3(i,1),x3(i,2),x3(i,3)-m3);end;N1=200; N2=190; N3=210; N=N1+N2+N3;p1=N1/N; p2=N2/N; p3=N3/N; sw1=sw1/N1; sw2=sw2/N2; sw3=sw3/N3; sw=p1*sw1+p2*sw2+p3*sw3;sb=p1*(m1-m)'*(m1-m)+p2*(m2-m)'*(m2-m)+p3*(m3-m)'*(m3-

5、m);s=inv(sw)*sb;j1=trace(s)eigs=eig(s)' eigsIndex=1,2,3;% 冒泡法排序，注意的是特征值順序變化的同時要與相對應(yīng)的下標同步for i=1:3 for j=i:3 if(eigs(i)<eigs(j) eigstemp=eigs(i); eigs(i)=eigs(j); eigs(j)=eigstemp; eigsIndextemp=eigsIndex(i); eigsIndex(i)=eigsIndex(j); eigsIndex(j)=eigsIndextemp; end; end;end;% 降序排列后的特征值，直接選取前

6、L個特征SelectedFeature=eigsIndex(1),eigsIndex(2)% FSthrthrlrg.m程序結(jié)束6.5 討論從實驗結(jié)果中我們可以看到y(tǒng)特征的分類能力最小，這一點可以從實驗數(shù)據(jù)中得到驗證三類數(shù)據(jù)在y方向的分布幾乎是相同的（見下圖）。Threethreelarge：在y（橫軸）方向上，三類數(shù)據(jù)幾乎呈現(xiàn)一致的分布規(guī)律。7 特征提取7.1 問題對“threethreelarge.m”數(shù)據(jù)，采用任意一種特征選擇算法，選擇2個特征7.2 思路采用簡單特征選擇法（simple feature selection approach）,首先計算每一個特征的分類能力值，再選擇出其中

7、最大分類能力的l個特征。7.3 結(jié)果左圖為Threethreelarge原始數(shù)據(jù)；右圖將原始數(shù)據(jù)基于離差矩陣特征選擇后進行的重構(gòu)。eigs = 8.9234 0.0000 0.0767 SelectedFeature = 1 3左圖為基于離差矩陣進行特征提取后的重構(gòu)數(shù)據(jù)；右圖為基于自相關(guān)矩陣進行特征提取后的重構(gòu)數(shù)據(jù)eigRx = 1.0e+003 * 0.0057 0.0961 2.2111SelF = 3 27.4 代碼% 特征提取代碼，代碼前半部分同特則選擇代碼（FSthrthrlrg.m），見FPthrthrlrg.m文件Yslc=zeros(600,2);for i=1:600 Ysl

8、c(i,1)=xnew(i,SelectedFeature(1); Yslc(i,2)=xnew(i,SelectedFeature(2);end;for i=1:200 r16(i)=Yslc(i,1);end;for i=1:200 r17(i)=Yslc(i,2);end;for i=1:190 r18(i)=Yslc(i,1);end;for i=1:190 r19(i)=Yslc(i,2);end;for i=1:210 r20(i)=Yslc(i,1);end;for i=1:210 r21(i)=Yslc(i,2);end;figure(2);plot(r16,r17,'

9、*',r18,r19,'o',r20,r21,'.');grid on;eigV,eigD=eig(s);A=eigV(1,eigsIndex(1),eigV(1,eigsIndex(2); eigV(2,eigsIndex(1),eigV(2,eigsIndex(2); eigV(3,eigsIndex(1),eigV(3,eigsIndex(2);Ynew=zeros(600,2);for i=1:600 Xktemp=xnew(i,1);xnew(i,2);xnew(i,3); Ytemp=A'*Xktemp; Ynew(i,1)=Ytem

10、p(1,1); Ynew(i,2)=Ytemp(2,1);end;for i=1:200 r10(i)=Ynew(i,1);end;for i=1:200 r11(i)=Ynew(i,2);end;for i=1:190 r12(i)=Ynew(i,1);end;for i=1:190 r13(i)=Ynew(i,2);end;for i=1:210 r14(i)=Ynew(i,1);end;for i=1:210 r15(i)=Ynew(i,2);end;figure(3);plot(r10,r11,'*',r12,r13,'o',r14,r15,'.

11、');grid on;Rx=zeros(3,3);for i=1:600 Xk=xnew(i,1),xnew(i,2),xnew(i,3); Rx=Rx+Xk'*Xk;end;Rx=Rx/599;eigRxv,eigRx=eig(Rx);eigRx=eig(Rx)'eigRxIndex=1,2,3;for i=1:3 for j=i:3 if(eigRx(i)<eigRx(j) eigRxtemp=eigRx(i); eigRx(i)=eigRx(j); eigRx(j)=eigRxtemp; eigRxIndextemp=eigRxIndex(i); eigRx

12、Index(i)=eigRxIndex(j); eigRxIndex(j)=eigRxIndextemp; end; end;end;SelF=eigRxIndex(1),eigRxIndex(2)ARx=eigRxv(1,eigRxIndex(1),eigRxv(1,eigRxIndex(2); eigRxv(2,eigRxIndex(1),eigRxv(2,eigRxIndex(2); eigRxv(3,eigRxIndex(1),eigRxv(3,eigRxIndex(2);Ynew=zeros(600,2);for i=1:600 Xktemp=xnew(i,1);xnew(i,2);

13、xnew(i,3); Ytemp=ARx'*Xktemp; Ynew(i,1)=Ytemp(1,1); Ynew(i,2)=Ytemp(2,1);end;for i=1:200 r22(i)=Ynew(i,1);end;for i=1:200 r23(i)=Ynew(i,2);end;for i=1:190 r24(i)=Ynew(i,1);end;for i=1:190 r25(i)=Ynew(i,2);end;for i=1:210 r26(i)=Ynew(i,1);end;for i=1:210 r27(i)=Ynew(i,2);end;figure(4);plot(r22,r23,'