matlab十大经典算法

包含了我们在数字图像处理中的常用算法，并附有实验报告

function y=experiment1（）

m1=[0.42-0.0870.58;-0.2-3.3-3.4;1.3-0.321.7;0.390.710.23;-1.6-5.3-0.15;-0.0290.89-4.7;-0.231.92.2;0.27-0.3-0.87;-1.90.76-2.1;0.87-1.0-2.6];
m2=[-0.40.580.089;-0.310.27-0.04;0.380.055-0.035;-0.150.530.011;-0.350.470.034;0.170.690.1;-0.0110.55-0.18;-0.270.610.12;-0.0650.490.0012;-0.120.054-0.063];
m3=[0.831.6-0.014;1.11.60.48;-0.44-0.410.32;0.047-0.451.4;0.280.353.1;-0.39-0.480.11;0.34-0.0790.14;-0.3-0.222.2;1.11.2-0.46;0.18-0.11-0.49];
% a） 对类m1中的3个特征分别求最大似然估计ud
u1=mean（m1（1:101））
d1=var（m1（1:101））
u12=mean（m1（1:102））
d2=var（m1（1:102））
u3=mean（m1（1:103））
d3=var（m1（1:103））
% b） 对m1中任意两个特征组合求最大似然估计
u12=mean（m1（1:101:2））
D12=cov（m1（1:101:2））
u13=mean（m1（1:101:2:3））
D13=cov（m1（1:101:2:3））
u23=mean（m1（1:102:3））
D23=cov（m1（1:102:3））
% c） 对m1中3个特征的组合求最大似然估计
u=mean（m1（1:10:））
D=cov（m1（1:10:））
% d） 假设高斯模型可分离，估计w2中的均值和协方差矩阵
u=mean（m2（1:10:））
d=var（m2（1:10:））;
D=diag（d）
%--------------------------------------------------------------------------
% b） 对类别m2m3计算最优投影方向w
w=fisher（m2m3）;
% c） 画出投影前的点用‘*’标记，表示最优方向w的直线，并且标记出投影后的点在直线上的位置，用‘.’标记
subplot（121）
x1=m2（1:101）;y1=m2（1:102）;z1=m2（1:103）;
x2=m3（1:101）;y2=m3（1:102）;z2=m3（1:103）;
plot3（x1y1z1‘r*‘x2y2z2‘b*‘）
hold on
x=-2:0.1:2;
y=w（21）/w（11）*x;
z=w（31）/w（11）*x;
plot3（xyz）
rotate3D on
subplot（122）
x=-2:0.1:2;
y=w（21）/w（11）*x;
z=w（31）/w（11）*x;
plot3（xyz）
hold on
% 对w2中点投影
for i=1:10
    x=（m2（i1）+w（21）/w（11）*m2（i2）+w（31）/w（11）*m2（i3））/（1+（w（21）/w（11））^2+（w（31）/w（11））^2）;
    y=w（21）/w（11）*x;
    z=w（31）/w（11）*x;
  plot3（xyz‘r*‘）  
end
hold on
% 对w3中的点投影
for i=1:10
    x=（m3（i1）+w（21）/w（11）*m3（i2）+w（31）/w（11）*m3（i3））/（1+（w（21）/w（11））^2+（w（31）/w（11））^2）;
    y=w（21）/w（11）*x;
    z=w（31）/w（11）*x;
  plot3（xyz‘b*‘）  
end
rotate3D on
% d）  用用一维高斯函数拟合，并且求分类决策面
for i=1:10
    mw1（i）=m2（i:）*w;
    mw2（i）=m3（i:）*w;
end
% mw1
% mw2
[u1d1]=normfit（mw1）;
[u2d2]=normfit（mw2）;
x=（log10（d1/d2）+（u2^2/d2-u1^2/d1））/2*（u1/d1-u2/d2）
% e）求分类误差
for i=1:10
if mw1（i）>x
    c1（i）=1;
elseif mw1（i）    c1（i）=-1;
end
end
for i=1:10
if mw2（i）>x
    c2（i）=-1;
elseif mw2（i）    c2（i）=1;
end
end
k=0;
for i=1:10
    if （c1（i）==-1）||（c2（i）==-1）
        k=k+1;
    end
end
p=（20-k）/20
% f） 使用非最优方向w=（1.02.0-1.5）’重复（d）（e）两个步骤
w=[12-1.5].‘
for i=1:10
    mw1（i）=m2（i:）*w;
    mw2（i）=m3（i:）*w;
end
% mw1
% mw2
[u1d1]=normfit（mw1）;
[u2d2]=normfit（mw2）;
x=（log10（d1/d2）+（u2^2/d2-u1^2/d1））/2*（u1/d1-u2/d2）
for i=1:10
if mw1（i）>x
    c1（i）=1;
elseif mw1（i）    c1（i）=-1;
end
end
for i=1:10
if mw2（i）>x
    c2（i）=-1;
elseif mw2（i）    c2（i）=1;
end
end
k=0;
for i=1:10
    if （c1（i）==-1）||（c2（i）==-1）
        k=k+1;
    end
end
p=（20-k）/20

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

function w=fisher（w1w2）  %%w1w2为10*3的矩阵，w为线性判别方法的投影向量
u1=mean（

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       3493  2007-05-26 18:33  十大经典算法\experiment2\test11_12.m

     文件       3392  2007-05-26 16:39  十大经典算法\experiment2\test3_4.m

     文件       3518  2007-05-26 16:58  十大经典算法\experiment2\test5_6.m

     文件       5112  2007-05-26 18:23  十大经典算法\experiment2\test7.m

     文件       3854  2007-05-26 17:30  十大经典算法\experiment2\test8_9.m

     文件       3659  2007-05-26 17:51  十大经典算法\experiment2\test10.m

     文件     101376  2007-05-27 10:47  十大经典算法\experiment2\模式识别实验（二）.doc

     文件      57344  2006-04-09 03:18  十大经典算法\experiment2\SVM\svmtrain.dll

     文件      28672  2006-04-09 03:18  十大经典算法\experiment2\SVM\svmpredict.dll

     文件       2890  2007-05-26 22:22  十大经典算法\experiment2\SVM\Svm_Class_Iris.m

     文件       2485  2007-05-26 22:44  十大经典算法\experiment3\experiment3.m

     文件     287744  2007-05-27 11:46  十大经典算法\experiment3\模式识别实验（三）.doc

     文件       3444  2007-05-23 15:34  十大经典算法\experiment1\experiment1.m

     文件     145920  2007-05-27 11:34  十大经典算法\experiment1\实验报告（一）.doc

     目录          0  2007-05-26 17:19  十大经典算法\experiment2\SVM

     目录          0  2007-05-25 11:37  十大经典算法\experiment2

     目录          0  2007-05-25 11:37  十大经典算法\experiment3

     目录          0  2007-05-25 11:38  十大经典算法\experiment1

     目录          0  2007-05-25 11:31  十大经典算法

----------- ---------  ---------- -----  ----

               652903                    19