1.位势函数法:
% 位势函数法的实现
function Kx = potential(dataset,classf)
%input:
%dataset : 训练样本数据集
%classf : 对应的类别集
%output:
%Kx : 最终的位势函数表达式
%% 算法流程
N = size(dataset,1);
class_all = unique(classf);
k = 0;
Nc = 0;
syms x1 x2;
X = cell(1,2);
X{
1} = x1;
X{
2} = x2;
alpha = 1; % 控制位势函数的衰减速度
while( Nc < N)
kn = mod(k,N)+1;
Xn = dataset(kn,:);
if(k == 0)
if(classf(kn) == class_all(1))
Kx = exp(-alpha * ((X{
1}-Xn(1))^2+ (X{
2}-Xn(2))^2));
k = k + 1;
continue;
else
Kx = -exp(-alpha * ((X{
1}-Xn(1))^2+ (X{
2}-Xn(2))^2));
k = k + 1<

本文详细介绍了三种机器学习算法:位势函数法、支持向量机及Fisher最佳投影方向法。通过具体实现过程,展示了如何进行分类任务,并对每种方法进行了详细解释。
最低0.47元/天 解锁文章
1510

被折叠的 条评论
为什么被折叠?



