用Adaboost+PCA进行特定的目标识别

clear all;
class_num=15;
class_sample=11;
train_num=6;
test_num=5;
sample=10;%sample为选择需要识别的类别编号
path = [‘D:\新建文件夹\文件\tu\‘];
N=5;
n=1;
Train_Image=zeros（10000train_num）;
t=strcat（num2str（sample）‘\‘）;
for j=1:train_num
    name=[path t ‘s‘ num2str（j） ‘.JPEG‘];
    [amap]=imread（name‘bmp‘）;
    Train_Image（:j）=reshape（asize（a1）*size（a2）1）;
end;
O=double（ones（1size（Train_Image2）））;
mean_Image=mean（Train_Image2）;
Train_ImageSub=Train_Image-mean_Image*O;
Cov=Train_ImageSub‘*Train_ImageSub;
[VD]=eig（Cov）;
V=Train_ImageSub*V;
V=V（:end:-1:end-（N-1））;
Vc=V;
a=[1:N];
C=nchoosek（an）‘;
V=zeros（size（Vc1）nsize（C2））;
for i=1:size（C2）
    for k=1:n
        V（:ki）=Vc（:C（ki））;
    end;
end;
N=nchoosek（Nn）;

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%Adaboost训练开始
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
T=150;%循环次数
%选择tr个类别（其中包括目标类别）的样本，输入到adTrain_Image中，用作adaboost训练
tr=3;
adTrain_Image=zeros（10000tr*train_num）;
for i=1:tr
    t=strcat（num2str（sample-2+i）‘\‘）;
    for j=1:train_num
        name=[path t ‘s‘ num2str（j） ‘.JPEG‘];
        [amap]=imread（name‘bmp‘）;
        adTrain_Image（:（i-1）*train_num+j）=reshape（asize（a1）*size（a2）1）;
    end;
end;
M=train_num*tr;
adaboost_model=struct（‘weights‘zeros（T1）‘feature‘zeros（T1）‘liminal‘zeros（T1））;%weights是每轮弱分类器的权重，feature是特征组编号，liminal是阈值
D=ones（M1）;
D=D./M;
errf=0;
errfp=0;
errd=0;
errdp=0;
numf=0;
numd=zeros（N1）;
numdt=0;
dis=zeros（tr*train_numN）;
for z=1:T
    errf=0;
    errfp=0;
    for i=1:N %遍历所有特征向量，每次选误差最小的向量
        errd=0;
        errdp=0;
        cv=zeros（size（mean_Image1）1）;
        cv=double（cv）;
        cv=mean_Image‘*V（::i）;
        for k=1:tr*train_num  %取每个训练样本的距离
            Image=adTrain_Image（:k）;
            %CoeTest=Image-mean_Image;
            CoeTest=Image‘*V（::i）;
            dis（ki）=sum（（（CoeTest - cv）.^2）.^（1/2））;
        end;
        temp=zeros（tr*train_num1）;
        for s=1:tr*train_num %遍历所有距离，以每个距离作为阈值
            for k=1:tr*train_num %比较所有距离与阈值的大小，进行分类
                
                if （（dis（ki）>dis（si））&（ceil（k/train_num）~=ceil（tr/2）））|（（dis（ki）<=dis（si））&（ceil（k/train_num）==ceil（tr/2）））
                    temp（k）=1;
                else
                    temp（k）=-1;
                end;
            end;% 距离分类结束
            if s==1
                errd=sum（D（temp<0））;
                errdp=errd;