前面的代码都是测试,这里整理后的完整代码放出来(adaboost算法真心不好写):
List
XandY temp = new XandY();
temp.pos = new Point(1, 5);
temp.res = 1;
example.Add(temp);
temp = new XandY();
temp.pos = new Point(2, 2);
temp.res = 1;
example.Add(temp);
temp = new XandY();
temp.pos = new Point(3, 1);
temp.res = -1;
example.Add(temp);
temp = new XandY();
temp.pos = new Point(4, 6);
temp.res = -1;
example.Add(temp);
temp = new XandY();
temp.pos = new Point(6, 8);
temp.res = 1;
example.Add(temp);
temp = new XandY();
temp.pos = new Point(6, 5);
temp.res = -1;
example.Add(temp);
temp = new XandY();
temp.pos = new Point(7, 9);
temp.res = 1;
example.Add(temp);
temp = new XandY();
temp.pos = new Point(8, 7);
temp.res = 1;
example.Add(temp);
temp = new XandY();
temp.pos = new Point(9, 8);
temp.res = -1;
example.Add(temp);
temp = new XandY();
temp.pos = new Point(10, 2);
temp.res = -1;
example.Add(temp);
List
//遍历所有,找到所有弱分类器,优选其中分组错误次数最少的,3组分错3次,11组分错4次,其他超过5次犯错,
// 我们还没有遍历犯错4次的,强分类器已经形成
for (int i = 0; i < 10; i++)
{
float tempx1 = i + 1.5f;
int 计数正 = 0; int 计数负 = 0;
for (int j = 0; j < example.Count; j++)
{
int temppos = example[j].pos.X;
if (tempx1 > temppos && example[j].res == 1)
{//=1
计数正++;
}
if (tempx1 < temppos && example[j].res == -1)
计数负++;//=-1
}
int recEr = 10 - 计数正 - 计数负;
记录错误次数.Add(recEr);
}
//第一种
for (int i = 0; i < 10; i++)
{
float tempx1 = i + 1.5f;
int 计数正 = 0; int 计数负 = 0;
for (int j = 0; j < example.Count; j++)
{
int temppos = example[j].pos.Y;
if (tempx1 < temppos && example[j].res == 1)
{//=1
计数正++;
}
//=-1
if (tempx1 > temppos && example[j].res == -1)
计数负++;
}
int recEr = 10 - 计数正 - 计数负;
记录错误次数.Add(recEr);
} //第二种
///
for (int i = 0; i < 10; i++)
{
float tempx1 = i + 1.5f;
int 计数正 = 0; int 计数负 = 0;
for (int j = 0; j < example.Count; j++)
{
int temppos = example[j].pos.X;
if (tempx1 < temppos && example[j].res == 1)
{//=1
计数正++;
}
//=-1
if (tempx1 > temppos && example[j].res == -1)
计数负++;
}
int recEr = 10 - 计数正 - 计数负;
记录错误次数.Add(recEr);
} //第三种
//
for (int i = 0; i < 10; i++)
{
float tempx1 = i + 1.5f;
int 计数正 = 0; int 计数负 = 0;
for (int j = 0; j < example.Count; j++)
{
int temppos = example[j].pos.Y;
if (tempx1 > temppos && example[j].res == 1)
{//=1
计数正++;
}
if (tempx1 < temppos && example[j].res == -1)
计数负++;//=-1
}
int recEr = 10 - 计数正 - 计数负;
记录错误次数.Add(recEr);
} //第四种
///找出分错次数最少的在所有四种分类中
int minscore = 10;
for (int i = 0; i < 记录错误次数.Count; i++)
{
if (记录错误次数[i] < minscore)
{
minscore = 记录错误次数[i];
}
}
List
List
for (int j = 0; j < 记录错误次数.Count; j++)
{
//0-9,x<分界,=1;10-19,y>分界,=1;20-39,x>分界,=1;30-39,y<分界,=1
if (记录错误次数[j] == minscore)//分界=index+1.5
{ minindex.Add(new Point(j,minscore)); }
if (记录错误次数[j] == minscore + 1)
{ minindexplus.Add(new Point(j, minscore+1)); }
}
先使用minindex
List
List
for (int i = 0; i < minindex.Count; i++)
{
float[] temparr = 根据序号产生分类器改进(minindex[i], example);
suoyou犯错低弱分类器minindex.Add(temparr);
}//找到3组
///备用minindexplus
for (int i = 0; i < minindexplus.Count; i++)
{
float[] temparr = 根据序号产生分类器改进(minindexplus[i], example);
suoyou犯错低弱分类器minindexPlus.Add(temparr);
}//找到11组
///
float[] 最初的标签样本 = new float[] { 1, 1, -1, -1, 1, -1, 1, 1, -1, -1 };
float[] dataP权重 = new float[] { 0.1f, 0.1f, 0.1f, 0.1f, 0.1f, 0.1f, 0.1f, 0.1f, 0.1f, 0.1f };//10组数据,1/10=0.1
double[] gengxin = new double[10];
bool hii = false;
for (int m = 0; m < suoyou犯错低弱分类器minindex.Count; m++)
{
List
float cuowu总和 = 0;
for (int i = 0; i < xhqz.Count; i++)
{
cuowu总和 = cuowu总和 + xhqz[i].Y;
}
dataP权重 = 返回迭代后权重值(suoyou犯错低弱分类器minindex[m], 最初的标签样本, dataP权重, cuowu总和);
double 系数 = 0.5 * Math.Log((1 - cuowu总和) / cuowu总和);
float[] tempjieguo = new float[] { 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 };
for (int i = 0; i < 10; i++)
{
double sb = 系数 * suoyou犯错低弱分类器minindex[m][i];
gengxin[i] = gengxin[i] + sb;
if (gengxin[i] > 0)
tempjieguo[i] = 1;
if (gengxin[i] < 0)
tempjieguo[i] = -1;
if (gengxin[i] == 0)
tempjieguo[i] = 0;
}
//
hii = 判断是否成功升级为强分类器(tempjieguo, 最初的标签样本);
}
//如果hii==false,则进行备用minindexplus11组(犯错4),犯错3的3组弱分类器已经用完。202306211605
代码到此结束,以下是其中几个函数封装:
public bool 判断是否成功升级为强分类器(float[] A, float[] B)
{
for (int i = 0; i < 10; i++)
{
if (A[i] * B[i] == -1.0f)
{
return false;
}
}
return true;
}
public float[] 返回迭代后权重值(float[] 第n个弱分类器jieguo, float[] 最初的标签jieguo, float[] 迭代前权重值, float 错误总和)
{
//以上两个数组相乘,ok为1,ng为-1,
//1,2,9分错值为-1,数组序号0,1,8
//第一个弱分类器的错误率0.16*3=0.48
//第二个弱分类器的错误率0.07*3=0.21,0.21<0.48,所以选第二个弱分类器作为第二次迭代,并且更新dataP。
float[] 迭代后权重 = new float[10];
for (int j = 0; j < 10; j++)
{
if (第n个弱分类器jieguo[j] * 最初的标签jieguo[j] == -1.0f)
{
//分错的变大
迭代后权重[j] = 迭代前权重值[j] / (2 * (错误总和));
}
if (第n个弱分类器jieguo[j] * 最初的标签jieguo[j] == 1.0f)
{ //分对的变小
迭代后权重[j] = 迭代前权重值[j] / (2 * (1 - 错误总和));
}
}
return 迭代后权重;
}
public List
{
List
for (int i = 0; i < 10; i++)
{
if (A[i] * B[i] == -1.0f)
{
PointF temp = new PointF(i, quanzhong[i]);
序号权重.Add(temp);
}
}
return 序号权重;
}
public float[] 根据序号产生分类器改进(Point indexAndVal, List
{//一共分四类
//先判断类别
int index = indexAndVal.X;
float[] linshi弱分类标签 = new float[10];
if (index >= 0 && index <= 9)
{
for (int i = 0; i < 10; i++)
{
int temppos = yangben[i].pos.X;//0-9,x<分界,=1;
if (index + 1.5f > temppos)//保持一致,用值不好,可以用序号,在list查找
{ linshi弱分类标签[i] = 1; }
else
{ linshi弱分类标签[i] = -1; }
}
}
if (index >= 10 && index <= 19)//10-19,y>分界,=1;
{
for (int i = 0; i < 10; i++)
{
int temppos = yangben[i].pos.Y;
if (index + 1.5f-10 < temppos)//保持一致,用值不好,可以用序号,在list查找
{ linshi弱分类标签[i] = 1; }
else
{ linshi弱分类标签[i] = -1; }
}
}
if (index >= 20 && index <= 29)//20-39,x>分界,=1;
{
for (int i = 0; i < 10; i++)
{
int temppos = yangben[i].pos.X;
if (index + 1.5f - 20 < temppos)//保持一致,用值不好,可以用序号,在list查找
{ linshi弱分类标签[i] = 1; }
else
{ linshi弱分类标签[i] = -1; }
}
}
if (index >= 30 && index <= 39)//30-39,y<分界,=1
{
for (int i = 0; i < 10; i++)
{
int temppos = yangben[i].pos.Y;
if (index + 1.5f - 30 > temppos)//保持一致,用值不好,可以用序号,在list查找
{ linshi弱分类标签[i] = 1; }
else
{ linshi弱分类标签[i] = -1; }
}
}
return linshi弱分类标签;
}
贴上代码,也是自己以后备用。