Fisher分类器

function fisher  

x1=[0.2331 1.5207 0.6499 0.7757 1.0524 1.1974  

    0.2908 0.2518 0.6682 0.5622 0.9023 0.1333  

    -0.5431 0.9407 -0.2126 0.0507 -0.0810 0.7315  

    0.3345 1.0650 -0.0247 0.1043 0.3122 0.6655  

    0.5838 1.1653 1.2653 0.8137 -0.3399 0.5152  

    0.7226 -0.2015 0.4070 -0.1717 -1.0573 0.2099];  

x2=[2.3385 2.1946 1.6730 1.6365 1.7844 2.0155  

    2.0681 2.1213 2.4797 1.5118 1.9692 1.8340  

    1.8704 2.2948 1.7714 2.3939 1.5648 1.9329  

    2.2027 2.4568 1.7523 1.6991 2.4883 1.7259  

    2.0466 2.0226 2.3757 1.7987 2.0828 2.0798  

    1.9449 2.3801 2.2373 2.1614 1.9235 2.2604];  

x3=[0.5338 0.8514 1.0831 0.4164 1.1176 0.5536  

    0.6071 0.4439 0.4928 0.5901 1.0927 1.0756  

    1.0072 0.4272 0.4353 0.9869 0.4841 1.0992  

    1.0299 0.7127 1.1024 0.4576 0.8544 1.1275  

    0.7705 0.4129 1.0085 0.7676 0.8418 0.8784  

    0.9751 0.7840 0.4158 1.0315 0.7533 0.9548];  

%将x1,x2,x3变为列向量  

x1=x1(:);  

x2=x2(:);  

x3=x3(:);  

%计算第一类的样本均值向量  

m1(1)=mean(x1);  

m1(2)=mean(x2);  

m1(3)=mean(x3);  

%计算第一类样本类内散度矩阵S1  

S1=zeros(3,3);  

for i=1:36  

    S1=S1+[-M1(1)+X1(I)-m1(2)+x2(i)-m1(3)+x3(i)]'*[-m1(1)+x1(i)-m1(2)+x2(i)-m1(3)+x3(i)];  

end  

x4=[1.4010 1.2301 2.0814 1.1655 1.3740 1.1829  

    1.7632 1.9739 2.4152 2.5890 2.8472 1.9539  

    1.2500 1.2864 1.2614 2.0071 2.1831 1.7909  

    1.3322 1.1466 1.7087 1.5920 2.9353 1.4664  

    2.9313 1.8349 1.8340 2.5096 2.7198 2.3148  

    2.0353 2.6030 1.2327 2.1465 1.5673 2.9414];  

x5=[1.0298 0.9611 0.9154 1.4901 0.8200 0.9399  

    1.1405 1.0678 0.8050 1.2889 1.4601 1.4334  

    0.7091 1.2942 1.3744 0.9387 1.2266 1.1833  

    0.8798 0.5592 0.5150 0.9983 0.9120 0.7126  

    1.2833 1.1029 1.2680 0.7140 1.2446 1.3392  

    1.1808 0.5503 1.4708 1.1435 0.7679 1.1288];  

x6=[0.6210 1.3656 0.5498 0.6708 0.8932 1.4342  

    0.9508 0.7324 0.5784 1.4943 1.0915 0.7644  

    1.2159 1.3049 1.1408 0.9398 0.6197 0.6603  

    1.3928 1.4084 0.6909 0.8400 0.5381 1.3729  

    0.7731 0.7319 1.3439 0.8142 0.9586 0.7379  

    0.7548 0.7393 0.6739 0.8651 1.3699 1.1458];  

x4=x4(:);  

x5=x5(:);  

x6=x6(:);  

%计算第二类的样本均值向量m2  

m2(1)=mean(x4);  

m2(2)=mean(x5);  

m2(3)=mean(x6);  

%计算第二类样本类内散度矩阵S2  

S2=zeros(3,3);  

for i=1:36  

    S2=S2+[-m2(1)+x4(i)-m2(2)+x5(i)-m2(3)+x6(i)]'*[-m2(1)+x4(i)-m2(2)+x5(i)-m2(3)+x6(i)];  

end  

%总类内散度矩阵  

Sw=zeros(3,3);  

Sw=S1+S2;  

%样本类间散度矩阵Sb  

Sb=zeros(3,3);  

Sb=(m1-m2)'*(m1-m2);  

%最优解W  

W=S^-1*(m1-m2)'  

%将W变为单位向量以方便计算投影  

W=W/sqrt(sum(W.^2));  

%计算一维Y空间中的各类样本均值M1及M2  

for i=1:36  

    y(i)=W'*[x1(i) x2(i) x3(i)]';  

end  

M1=mean(y)  

for i=1:36  

    y(i)=W'*[x4(i) x5(i) x6(i)]';  

end  

M2=mean(y)  

%利用当P(w1)与P（w2）已知的公式计算wo  

p1=0.6;p2=0.4;  

W0=-(M1+M2)/2+(log(p2/p1))/(36+36-2);  

%计算将样本投影到最佳方向上以后的新坐标  

X1=[x1*W(1)+x2*W(2)+x3*W(3)]';  

X2=[x4*W(1)+x5*W(2)+x6*W(3)]';%计算投影得到的长度  

XX1=[W(1)*X1;W(2)*X1;W(3)*X1];  

XX2=[W(1)*X2;W(2)*X2;W(3)*X2];%得到新坐标  

%绘制样本点  

figure(1)  

plot3(x1,x2,x3,'r*') %第一类  

hold on  

plot3(x4,x5,x6,'bp') %第二类  

legend('第一类点','第二类点')  

title('Fisher线性判别函数')  

W1=5*W;  

%画出最佳方向  

line([-W1(1),W1(1)],[-W1(2),W1(2)],[-W1(3),W1(3)],'color','b');  

%判别已给点的分类  

a1=[1,1,5,0.6]';  

a2=[1.2,1.0,0.55]';  

a3