基于半监督的svm的图像分类

基于半监督的svm的图像分类方法。通过聚类核的方法利用无标记样本局部正则化训练核的表达式。这种方法通过图像直接学习一个自适应的核。程序仿真的文章是：Semi-supervised Remote Sensing Image Classification

% Matlab demo for Bagged Support Vector Machines （BAG SVM）
% http://www.uv.es/gcamps/bagsvm/

% Paper:    “Semi-supervised Remote Sensing Image Classification with Cluster Kernels“
%           Devis Tuia and Gustavo Camps-Valls
%           IEEE Geoscience and Remote Sensing Letters 2008 submitte


% Inputs:   - train = vector （m x p + 1） containing 
%                    p features of the m labeled data （m x p）  
%                    1 label vector （m x 1）
%           - testX = vector （n x p + 1） containing 
%                    p features of the n unlabeled data （n x p）  
%                    1 label vector （n x 1）           
%           - mode = ‘p‘ （product） or ‘s‘ （sum）. Default = ‘s‘

% Outputs:  - accSVM = accuracy of the standard SVM
%           - accBAG = accuracy of the BAG SVM

% requires LibSVM （http://gpds.uv.es/~jordi/libsvm/）


% Devis Tuia （devis.tuia@unil.ch） and Gustavo Camps-Valls （gcamps@uv.es） 2008

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

function [accSVM accBAG] = demo_BAG_SVM（traintestNkmode）

close all
addpath（‘./code_svm‘）



if exist（‘mode‘‘var‘） == 0
    mode = [‘s‘];
    disp（‘No mode selected sum kernel by default.‘）
else
    if （mode ~= [‘s‘]）
        if（mode ~= [‘p‘]）
            mode = [‘s‘];
            disp（‘No mode selected sum kernel by default.‘）
        end
    end
end



%-----------------------------------------
%data prep （if not used as a function）

% train = textread（‘labeled.txt‘）;
% test = textread（‘unlabeled.txt‘）;
% 
% %----
% %good results are obtained with:
% k = 5
% N = 50
% mode = [‘s‘]

% k = 2
% N = 50
%mode = [‘p‘]
%----

Xtrain = train（:1:2）;
Ytrain = train（:3）;
Xtest = test（:1:2）;
Ytest = test（:3）;
scatter（test（:1）test（:2）30test（:3））
hold on
scatter（train（:1）train（:2）303*train（:3）‘filled‘）
title（‘Initial dataset‘）

[tempidtr]=sortrows（Ytrain）;
[tempidts]=sortrows（Ytest）;clear temp

%-----------------------------------------
%Standard SVM

disp（‘Full SVM‘）
j=0;
trainings = 10
for ss = logspace（-33trainings）
    Ktrain = kernelmatrix（‘rbf‘Xtrain‘Xtrain‘ss）;
    
    for cc = logspace（-33trainings）
        j=j+1;
        model  = svmtrain（YtrainKtrain[‘-t 4 -v 3 -c ‘ num2str（cc）]）;
        RES_SVM（j:） = [ss cc model];
    end;
end;

% Select the best model
[kk j] = max（RES_SVM（:3））;
sigma = RES_SVM（j1）;
C = RES_SVM（j2）;
clear trainings j ss cc

% Train with the best model
Ktrain = kernelmatrix（‘rbf‘Xtrain‘Xtrain‘sigma）;
Ktest  = kernelmatrix（‘rbf‘Xtrain‘Xtest‘sigma）;
model  = svmtrain（YtrainKtrain[‘-t 4 -c ‘ num2str（C）]）;

% Predict in test
[YpredaccSVM] = svmpredict（YtestKtest‘model）;
figure
scatter（test（:1）test（:2）30Ypred‘filled‘）
hold on
scatter（train（:1）train（:2）303*train（:3）‘filled‘）
title（‘Standard SVM‘）
%ACCURACY_FULL =  assessment（YtestYpred‘class‘）;

%-----------------------------------------
%Construct BagSVM

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2008-09-01 15:39  demoBagSVM\
     文件        6363  2008-09-01 09:05  demoBagSVM\BagSVM.m
     文件        3436  2008-09-01 15:39  demoBagSVM\README
     文件         704  2008-09-01 15:28  demoBagSVM\demo.m
     文件        1629  2008-07-08 18:26  demoBagSVM\build_Kbag.m
     文件        1191  2008-05-23 12:42  demoBagSVM\kernelmatrix.m
     文件         387  2008-06-02 09:06  demoBagSVM\closerCluster.m
     目录           0  2008-09-01 15:06  demoBagSVM\code_svm\
     文件       68500  2008-05-23 12:42  demoBagSVM\code_svm\svmtrain.mexglx
     文件       28672  2008-05-26 09:14  demoBagSVM\code_svm\svmpredict.dll
     文件       64561  2008-05-23 12:42  demoBagSVM\code_svm\svmpredict.mexglx
     文件       49152  2008-05-26 09:14  demoBagSVM\code_svm\svmtrain.dll
     文件        6148  2008-08-30 18:23  demoBagSVM\code_svm\.DS_Store
     文件        9117  2008-08-30 18:08  demoBagSVM\unlabeled.txt
     文件         549  2008-08-30 18:55  demoBagSVM\labeled.txt
     文件        2067  2007-10-05 15:54  demoBagSVM\L2_distance.m