重复剪辑代码.rar Matlab实现

当不同类别的样本在分布上有交迭部分的，分类的错误率主要来自处于交迭区中的样本，如下图所示。当我们得到一个作为识别用的参考样本集时，由于不同类别交迭区域中不同类别的样本彼此穿插，导致用近邻法分类出错。因此如果能将不同类别交界处的样本以适当方式筛选，可以实现既减少样本数又提高正确识别率的双重目的。为此可以利用现有样本集对其自身进行剪辑。

% =====================重复剪辑近邻算法（MULTIEDIT）====================
% s:  划分的子集数目
% Xn: 当前样本集
% Xcur: 当前样本集经一次迭代后的样本集
% Xi: 当前考试集
% Xr: 当前参考集
% K:  退出控制条件，迭代K次，若没有样本被剪辑掉，则退出
% =====================================================================
clearclose all;
X = [randn（3002）+ones（3002）;...
     randn（3002）-ones（3002）;];
X（1:3003）=1;X（301:6003）=2;
% ====================================================================
figure plot（X（1:3001）X（1:3002）‘r.‘）
hold onplot（X（301:6001）X（301:6002）‘b.‘）
title（‘初始样本分布图‘）
% ================================================================
s=3;Xcur=X;loop=0;Xold=X;K=5;
while loop    Xn=Xcur;
    Xold=Xcur;
    Xcur=[];
    [row1col]=size（Xn）;
    uu=unifrnd（0srow11）;%产生row1行1列的随机数，随机数的范围在0-s之间
    uu=ceil（uu）;%取整，向上取整
    for i=1:s   %样本随机划分为s个子集
        Xi=Xn（（uu==i）:）;%test set %Xi为考试集   
        r=mod（i+1s）;%取余数，在这里S2是S1的考试集，S3是S2的考试集，S1是S3的考试集。
        if r==0
            r=s;
        end
        Xr=Xn（（uu==r）:）;%reference set%Xr为参考集    
        [rowcol]=size（Xi）;   
        j=1;
        while j<=row
            [rClassjClass]=NNforMultiedit（XrXi（j:））;%用训练集中的样本对考试集中的样本进行最近邻分类
            if rClass~=jClass%如果类别不同，则从考试集中分类错误的样本去除
                Xi（j:）=[];                
                row=row-1;
            else
                j=j+1;
            end            
        end
        Xcur=[Xcur;Xi];
    end
    [oldRowcol]=size（Xold）;
    [curRowcol]=size（Xcur）;
    if oldRow==curRow       
        loop=loop+1;
    else
        loop=0;
    end
end 
% ================================================================
%把当前样本集Xcur中的元素按原类别分类
[rowcol]=size（Xcur）;
Xcur1=[];Xcur2=[];
tic
for i=1:row    
    if Xcur（i3）==1
        Xcur1=[Xcur1;Xcur（i1:2）];       
    elseif Xcur（i3）==2
        Xcur2=[Xcur2;Xcur（i1:2）];     
    end
end
time1=toc;
figure plot（Xcur1（:1）Xcur1（:2）‘r.‘）
hold onplot（Xcur2（:1）Xcur2（:2）‘b.‘）
title（‘剪辑后样本分布图‘）
% ===================分类=================================
x_test = [ randn（2002）+ones（2002）;...
            randn（2002）-ones（2002）;];
x_test（1:2003）=1;
x_test（201:4003）=2;
[row_testcol_test]=size（x_test）;

n=1;
count0=0;
while n<=row_test
    [class00class01]=NNforMultiedit（Xx_test（n:））;
    if（class00~=class01）
        count0=count0+1;
    end
    n=n+1;
end
error0=count0/400;
fprintf（‘没有剪辑前的测试点分类的错误率为%8.6f\n‘error0）;

%-------------------剪辑后的--------------------------------
m=1;
count=0;
while m<=row_test
    [class1class2]=NNforMultiedit（Xcurx_test（m:））;
    if class1~=class2
        count=count+1 ;
    end
    m=m+1;
end
error=count/400;
fprintf（‘重复剪辑后的测试点分类的错误率为%8.6f\n‘error）;

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

     文件       2999  2019-12-20 21:02  重复剪辑代码\MultiEdit.m

     文件        596  2019-12-20 14:08  重复剪辑代码\NNforMultiedit.m

     目录          0  2020-01-07 10:42  重复剪辑代码

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

                 3595                    3