人工智能学习笔记 感知器算法的设计实现 感知器准则实现多类分类

学习来源

https://blog.csdn.net/weixin_43840511/article/details/114897769

实验原理

 

 

实验内容

1. 数据生成及规范化处理

利用高斯模型，生成 N 类（ N ＞ 5 ）数据（ 2D or 3D ），并对生成样本进行规范化处理

2 ．基于生成数据，利用感知器准则实现多类分类，得到最终分界面的表达式。

3 ．生成测试数据列，并对测试数据进行分类判别。

代码实现

第一部分 数据生成及规范化处理

注意要增广样本 以及检测与之前是否碰撞

base = 10.0
data = []
numofN=6
num = 0
Sigma = np.array([[10, 6], [3, 2]])
R = cholesky(Sigma)#生成上三角函数R
while num < numofN:
    mu = np.array([[random.randint(5,95), random.randint(5,95)]])#生成随机数据
    s = np.dot(np.random.randn(6, 2), R) + mu #生成6个（x，y） 加上随机数值mu
    key = False
    for i in s.tolist():
        if num !=0 :
            for yi in data[num-1]:#与之前产生的数据检测是否碰撞
                if abs(i[0]-yi[0]) + abs(i[1]-yi[1]) <=10:
                    key = True
                    break
    if key:#随机数据碰撞则重来
        continue
    num += 1

    plt.plot(s[:,0],s[:,1],'*',markersize=6) 

    x = []
    for i in s :#注意平铺 增广一个base样本 （hstack平铺）（aray数列）
        x.append(np.array(np.hstack((np.array(i),np.array([base])))))
        
    data.append(np.array(x))

# print(data)
# print(alldata)

第二部分 多类分类并划分割线

注意划分割线需要联立每个类的 WiT (x,y,base)=WjT（x,y,base）

联立求LINEY

while True :
    time = 0

    for i in range(0,numofN):
        for yi in data[i]:
            for t in range(0,numofN):
                if t == i:
                    continue
        
                while np.dot(yi,wlist[i]) <= np.dot(yi,wlist[t]) + 0.5:#加一个修正值0.5
                    wlist[i] += np.array(yi)
                    wlist[t] -= np.array(yi)
                    time += 1
    if time == 0:#若某一轮不需要更迭则推退出
        break

for i in wlist:
    for j in wlist:
        if (i==j).all() :
            continue
        linex = np.array([0.0,100.0])
        plt.plot(linex,((linex*(j[0]-i[0])+base*(j[2]-i[2]))/(i[1]-j[1])),alpha=0.5) #画分割线
        
        
plt.xlim(0,100)
plt.ylim(0,100)
plt.show()
plt.cla()
        

第三部分 处理0-100内的各种数据并将其分类

picx = []
picy = []
for i in range(0,numofN):
    picx.append([])
    picy.append([])
    
for i in range(0,100):
    for j in range(0,100):
        
        maxx = []
        for t in wlist:
            maxx.append(np.dot(np.array([i,j,base]),t))
        
        k = maxx.index(max(maxx))#找最大的值 将其划分到该类中内
        picx[k].append(i)
        picy[k].append(j)

for i in data :
    plt.plot(i[:,0],i[:,1],'*',markersize=10) #
for i in range(0,numofN):
    plt.plot(picx[i],picy[i],'.',alpha=0.3) #画出各个位置上的预测结果

plt.show()

结果展示