LDA和樸素貝葉斯相結合---影象分類
阿新 • • 發佈：2019-01-28
b)用判別結構對測試樣本分類；
%以下用NaiveBayes準則進行分類測試
% 測試過程
testsamples = []; %所有測試樣本M*10304, M= nclass*ntest
for i = 1 : nclass
for j = ntrain+1 : ntrain+ntest % 讀入ntest 即 5 副測試影象
b = pattern(i).figure.data(j).face(:); % b是列向量 1×N，其中N＝10304，提取順序是先列後行，即從上到下，從左到右
b = im2double(b'); % 轉換為行向量
testsamples = [testsamples; b];
end
end
testsamples = testsamples - ones(ntest*nclass,1) * mean(testsamples); %資料中心化
tcoor = testsamples * eigvector; %測試樣本進行投影，是M×ReducedDim階矩陣, M= nclass*ntest
% % %用判別結構的判別函式discResult.funHandle()判斷測試樣本屬於哪個類，獲得一個行向量discResult，discResult中最大值所在的列數即所屬的類；
for i = 1 : nclass
for j = 1 : ntest
for k = 1 : nclass
discResult(k) = discStruct(k).funHandle(tcoor((i-1)*ntest+j,:), discStruct(k).mu, discStruct(k).sigma);
end
%利用排序方式得到樣本屬於第幾類
[maxv, indx] = max(discResult);%discResult為1行40列，值最大的列即判定所屬的類，所以判定屬於indx類；
result = ['第', num2str(i),'類中第', num2str(j), '張識別'];
if indx == i
accu = accu + 1;
result = [result, '正確'];
else
result = [result, '錯誤，被識別為了第', num2str(indx), '類'];
end
disp(result);
end
end
accuracy = accu / (nclass*ntest); %輸出識別率
disp('>>> ');
disp(strcat('從',num2str(nclass),'類影象中選擇前',num2str(ntrain),...
'張訓練，後',num2str(ntest),'張測試,'));
disp(strcat('抽取特徵維數',num2str(ReducedDim),',共花費時間',num2str(cputime-tmp_T)));
disp('--- ');
disp(strcat('識別率為', num2str(accuracy*100), '%'));
%以下用NaiveBayes準則進行分類測試
% 測試過程
testsamples = []; %所有測試樣本M*10304, M= nclass*ntest
for i = 1 : nclass
for j = ntrain+1 : ntrain+ntest % 讀入ntest 即 5 副測試影象
b = pattern(i).figure.data(j).face(:); % b是列向量 1×N，其中N＝10304，提取順序是先列後行，即從上到下，從左到右
b = im2double(b'); % 轉換為行向量
testsamples = [testsamples; b];
end
end
testsamples = testsamples - ones(ntest*nclass,1) * mean(testsamples); %資料中心化
tcoor = testsamples * eigvector; %測試樣本進行投影，是M×ReducedDim階矩陣, M= nclass*ntest
% % %用判別結構的判別函式discResult.funHandle()判斷測試樣本屬於哪個類，獲得一個行向量discResult，discResult中最大值所在的列數即所屬的類；
for i = 1 : nclass
for j = 1 : ntest
for k = 1 : nclass
discResult(k) = discStruct(k).funHandle(tcoor((i-1)*ntest+j,:), discStruct(k).mu, discStruct(k).sigma);
end
%利用排序方式得到樣本屬於第幾類
[maxv, indx] = max(discResult);%discResult為1行40列，值最大的列即判定所屬的類，所以判定屬於indx類；
result = ['第', num2str(i),'類中第', num2str(j), '張識別'];
if indx == i
accu = accu + 1;
result = [result, '正確'];
else
result = [result, '錯誤，被識別為了第', num2str(indx), '類'];
end
disp(result);
end
end
accuracy = accu / (nclass*ntest); %輸出識別率
disp('>>> ');
disp(strcat('從',num2str(nclass),'類影象中選擇前',num2str(ntrain),...
'張訓練，後',num2str(ntest),'張測試,'));
disp(strcat('抽取特徵維數',num2str(ReducedDim),',共花費時間',num2str(cputime-tmp_T)));
disp('--- ');
disp(strcat('識別率為', num2str(accuracy*100), '%'));