最大似然分類器
最大似然分類器:
簡單記錄程式碼:
function re=maxlike()
[filename,pathname]=uigetfile({'*.jpg;*.bmp;*.tif;*.png;*.gif','All Image Files';'*.*','All Files'});%動態開啟檔案
image = imread([pathname,filename]);%讀取
figure(1);imshow(image);
image=double(image);
[m,n,bands]=size(image);
k=input('請輸入要分類的個數: ');%輸入要選取的樣本類別數
aver=zeros(k,bands);%申請矩陣空間儲存樣本資料各類別各波段均值
thi=zeros(k,1);%每個樣本類別方差
%對所選取樣本資料進行處理求得各類別均值
for i=1:k%對選中類別迴圈
str=['請在螢幕影像上選擇第',num2str(i),'種分類樣本,選擇完畢請回車確定'];
disp(str);
[y,x]=getpts;%從影像上獲取資料點
A=[round(y),round(x)];
for band=1:bands%對影像每個波段進行計算,求取指定類別每個波段均值
Sum=[];
temp=image(:,:,band);
for count=1:size(A,1)%對取得點迴圈
Sum=[Sum;temp(A(count,2),A(count,1))];
end
aver(i,band)=mean(Sum);%求均值
thi(i,band)=cov(Sum);
end
end
image=reshape(image,m*n,bands);%將影像資料重塑成為一列為一個波段資料的形式,便於計算
p=zeros(k,m*n);%申請矩陣空間儲存每個類別影像各個點資料分別到各類的概率
for i=1:m*n
for t=1:k
for band=1:bands
p(t,i)=p(t,i)+exp(-(image(i,band)-aver(t,band))^2/(2*thi(t,band)))/sqrt(2*pi*thi(t,band));
end
end
end
[~,index]=max(p);
index=reshape(index,m,n);
re=index/k;
figure(2),imshow((re));
end
相關文章
- 機器學習系列文章:引數方法(最大似然、分類)機器學習
- 最大似然估計詳解
- 最大似然函式和最大後驗概率區別函式
- 機器學習必知概念:貝葉斯估計、最大似然估計、最大後驗估計機器學習
- 最大似然估計可能因 "流形過度擬合 "而失敗
- 極大似然估計
- [筆記]極大似然估計、最大後驗概率、貝葉斯估計筆記
- 詳解最大似然估計(MLE)、最大後驗概率估計(MAP),以及貝葉斯公式的理解公式
- ML-樸素貝葉斯-先驗分佈/後驗分佈/似然估計
- 機器學習--白板推導系列筆記2 概率:高斯分佈之極大似然估計機器學習筆記
- 基於似然場的全域性定位
- mysql中substring_index類似split分組功能MySqlIndex
- 分類器
- 機器學習 - 似然函式:概念、應用與程式碼例項機器學習函式
- 負對數似然(NLL)和困惑度(PPL)
- 極大似然估計理解與應用
- 先驗概率 後驗概率 似然估計
- 【機器學習】【邏輯迴歸】代價函式為什麼用最大似然估計而不是最小二乘法?機器學習邏輯迴歸函式
- 01EM演算法-大綱-最大似然估計(MLE)、貝葉斯演算法估計、最大後驗概率估計(MAP)演算法
- 小程式的wxs指令碼(類似過濾器)指令碼過濾器
- 基於極大似然估計方法的diffusion
- 熵、交叉熵及似然函式的關係熵函式
- RemoteBrowser:類似Puppeteer的瀏覽器自動化框架REM瀏覽器框架
- 大白話5分鐘帶你走進人工智慧-第四節最大似然推導mse損失函式(深度解析最小二乘來源)(2)人工智慧函式
- 極大似然估計思想的最簡單解釋
- Pytorch實現分類器PyTorch
- 伺服器的分類伺服器
- 伺服器硬碟分類伺服器硬碟
- Canvas繪製一個類似老版支付寶信用分儀表盤效果Canvas
- Wez:Rust編寫的類似Powershell的終端模擬器Rust
- mysql 效果類似split函式MySql函式
- 類似gitbook的wiki選擇Git
- python建立分類器小結Python
- STL中的迭代器分類
- 常見儲存器分類
- css選擇器的分類CSS
- 幽默:駭客式程式設計其實類似機器學習!程式設計機器學習
- 原生JS實現類似《掘金》網站的圖片檢視器JS網站