matlab模式识别工具箱PRTOOLS及使用说明

matlab模式识别工具箱PRTOOLS及使用说明，一个很好的模式识别开发包！

%ADABOOSTC
%
% [WVALF] =  ADABOOSTC（ACLASSFNRULEVERBOSE）;
%
% INPUT
%   A       Dataset
%   CLASSF  Untrained weak classifier
%   N       Number of classifiers to be trained
%   RULE    Combining rule （default: weighted voting）
%   VERBOSE Suppress progress report if 0 （default 1）
%
% OUTPUT
%   W       Combined trained classifier
%   V       Cell array of all classifiers
%           Use VC = stacked（V） for combining
%   ALF     Weights
%
% DEscriptION
%
% Computation of a combined classifier according to adaboost.
%
% In total N weighted versions of the training set A are generated
% iteratevely and used for the training of the specified classifier.
% Weights to be used for the probabilities of the objects in the training
% set to be selected are updated according to the Adaboost rule.
%
% The entire set of generated classifiers is given in V.
% The set of classifier weigths according to Adaboost is returned in ALF
%
% Various aggregating possibilities can be given in 
% the final parameter rule:
% []:      WVOTEC weighted voting.
% VOTEC    voting
% MEANC    sum rule
% AVERAGEC averaging of coeffients （for linear combiners）
% PRODC    product rule
% MAXC     maximum rule
% MINC     minimum rule
% MEDIANC  median rule
%
% REFERENCE
% Ji Zhu Saharon Rosset Hui Zhou and Trevor Hastie 
% Multiclass Adaboost. A multiclass generalization of the Adaboost 
% algorithm based on a generalization of the exponential loss.
% http://www-stat.stanford.edu/~hastie/Papers/samme.pdf
%
% SEE ALSO
% MAPPINGS DATASETS

% Copyright: R.P.W. Duin r.p.w.duin@prtools.org
% Faculty EWI Delft University of Technology
% P.O. Box 5031 2600 GA Delft The Netherlands
% （Multiclass correction by Marcin Budka Bournemouth Univ. UK）

function [WValf] = adaboostc（aclasfnruleverbose）

	prtrace（mfilename）;

%%INITIALISATION
if nargin < 5 verbose = 1; end
if nargin < 4 rule = []; end
if nargin < 3 n = 1; end
if nargin < 2 || isempty（clasf） clasf = nmc; end
if nargin < 1 || isempty（a）
	W = mapping（mfilename{clasfnruleverbose}）;
	W = setname（W‘Adaboost‘）;
	return
end

[mkc] = getsize（a）;
V = [];
lablist = getlablist（a）;
laba = getnlab（a）;
p = getprior（a）;
a = dataset（alaba）;		% use numeric labels for speed
a = setprior（ap）;
u = ones（m1）/m;			% initialise object weights
alf = zeros（1n）;			% space for classifier weights
if verbose > 0 && k == 2
	figure（verbose）;
	scatterd（a）;
end

%% generate n classifiers
for i = 1:n
	b = gendatw（aum）;				% sample training set
	b = setprior（bgetprior（a））;	% use original priors

	w = b*clasf;					% train weak classifier
	ra = a*w;						% test weak classifier

	if verbose && k == 2
		plotc（w1）; drawnow
	end
	
	labc = labeld（ra）;
	diff = （labc~=laba）;			% objects erroneously classified
	erra = sum（（diff）.*u）;			% weighted error on original dataset

	if （erra < （1-1/c））				% if classifier better then random guessing...
		alf（i） = 0.5*（log（（1-erra）/erra） + log（c-1））;
		correct = find（diff==0）;	% find correctly cla

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

     文件         23  2010-03-21 17:34  matlab模式识别工具箱\prtools\@datafile\abs.m

     文件        575  2010-03-21 17:35  matlab模式识别工具箱\prtools\@datafile\abs.p

     文件        704  2010-03-21 17:34  matlab模式识别工具箱\prtools\@datafile\addpostproc.m

     文件       2055  2010-03-21 17:35  matlab模式识别工具箱\prtools\@datafile\addpostproc.p

     文件       1176  2010-03-21 17:34  matlab模式识别工具箱\prtools\@datafile\addpreproc.m

     文件       3010  2010-03-21 17:35  matlab模式识别工具箱\prtools\@datafile\addpreproc.p

     文件         23  2010-03-21 17:34  matlab模式识别工具箱\prtools\@datafile\and.m

     文件       1103  2010-03-21 17:35  matlab模式识别工具箱\prtools\@datafile\and.p

     文件         97  2010-03-21 17:34  matlab模式识别工具箱\prtools\@datafile\check12.m

     文件       5279  2010-03-21 17:35  matlab模式识别工具箱\prtools\@datafile\check12.p

     文件       2628  2010-03-21 17:34  matlab模式识别工具箱\prtools\@datafile\datafile.m

     文件      16005  2010-03-21 17:35  matlab模式识别工具箱\prtools\@datafile\datafile.p

     文件         38  2010-03-21 17:34  matlab模式识别工具箱\prtools\@datafile\display.m

     文件       3111  2010-03-21 17:35  matlab模式识别工具箱\prtools\@datafile\display.p

     文件        461  2010-03-21 17:34  matlab模式识别工具箱\prtools\@datafile\dyadic.m

     文件       1778  2010-03-21 17:35  matlab模式识别工具箱\prtools\@datafile\dyadic.p

     文件         22  2010-03-21 17:34  matlab模式识别工具箱\prtools\@datafile\end.m

     文件        995  2010-03-21 17:35  matlab模式识别工具箱\prtools\@datafile\end.p

     文件         22  2010-03-21 17:34  matlab模式识别工具箱\prtools\@datafile\eq.m

     文件       1094  2010-03-21 17:35  matlab模式识别工具箱\prtools\@datafile\eq.p

     文件         23  2010-03-21 17:34  matlab模式识别工具箱\prtools\@datafile\exp.m

     文件        507  2010-03-21 17:35  matlab模式识别工具箱\prtools\@datafile\exp.p

     文件         24  2010-03-21 17:34  matlab模式识别工具箱\prtools\@datafile\find.m

     文件        948  2010-03-21 17:35  matlab模式识别工具箱\prtools\@datafile\find.p

     文件        228  2010-03-21 17:34  matlab模式识别工具箱\prtools\@datafile\findfiles.m

     文件       2401  2010-03-21 17:35  matlab模式识别工具箱\prtools\@datafile\findfiles.p

     文件         22  2010-03-21 17:34  matlab模式识别工具箱\prtools\@datafile\ge.m

     文件       1110  2010-03-21 17:35  matlab模式识别工具箱\prtools\@datafile\ge.p

     文件        220  2010-03-21 17:34  matlab模式识别工具箱\prtools\@datafile\get.m

     文件       3843  2010-03-21 17:35  matlab模式识别工具箱\prtools\@datafile\get.p

............此处省略897个文件信息