基于重心距离识别的蠓虫分类模型(唯一能看的只有代码)

题目

在这里插入图片描述

解答(为了交通选课作业的摆烂+胡说)

我们先简单作图观察数据特征。

在这里插入图片描述

			图2.1  两类蠓虫翅膀长度与触角长度关系图

依据作图结果,我们可以认为利用点到重心距离进行距离识别分类是一种不错的选择。
首先,我们通过计算得到两类蠓虫的重心坐标:
x=Σxi/n, y=∑yi/n
我们随后计算样本点到两类重心的欧氏距离:
di=sqrt((xi-x)^2 + (yi-y)^2), i=1,2
依据欧氏距离进一步分类:
在这里插入图片描述

三、 结果
三只蠓虫均被归入Apf类,我们从图像观测中可以发觉这样的结果可信度较高。
在这里插入图片描述

图3.1 蠓虫的触角与翅膀长度关系图,圆圈代表重心,绿色虚线为样本位置

最最重要的代码

%数据读取
x1=[1.24 1.36  1.38  1.38 1.38 1.40 1.48 1.54 1.56]
y1=[1.27 1.74  1.64  1.82 1.90 1.70 1.82 1.82 2.08]
x2=[1.14 1.18 1.20 1.26 1.28 1.30]
y2=[1.78 1.96 1.86 2.00 2.00 1.96]
%作图
figure(1)
plot(x1,y1,'-r',x2,y2,'-b')
%求重心
zx1=sum(x1)/9
zy1=sum(y1)/9
zx2=sum(x2)/6
zy2=sum(y2)/6
%输入待分类数据
x3=[1.24 1.28 1.40]
y3 = [1.80 1.84 2.04]
s=[x3',y3']
%分类
r=[]%存储分类结果
z1=[zx1;zy1]
z2=[zx2;zy2]
d1=dist(s,z1)
d2=dist(s,z2)
for i=1:3
if d1(i)>d2(i)
r = [r,'apf']
else
r = [r,'af']
end
end
%最后作图目测检验
hold on
plot(zx1,zy1,'om',zx2,zy2,'og')
hold on
plot(x3,y3,'--k')

  • 2
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个简单的用 MATLAB 实现蠓虫分类的程序: 1. 准备数据集 将蠓虫的图像数据集准备好,并将其存储在一个文件夹中。确保每个蠓虫的图像都具有相同的尺寸和颜色深度。 2. 加载数据集 使用 MATLAB 的 `imread` 函数加载数据集。可以使用循环来加载整个数据集。 ``` dataFolder = 'path/to/data/folder/'; fileNames = dir(fullfile(dataFolder, '*.jpg')); for i = 1:length(fileNames) filePath = fullfile(fileNames(i).folder, fileNames(i).name); img = imread(filePath); % 进行图像处理和特征提取 end ``` 3. 图像处理和特征提取 使用 MATLAB 的图像处理工具箱和计算机视觉工具箱来处理和提取图像的特征。可以使用以下函数: - `imresize` 调整图像大小 - `imrotate` 旋转图像 - `imcrop` 裁剪图像 - `rgb2gray` 将图像转换为灰度图像 - `edge` 检测图像边缘 - `extractHOGFeatures` 提取 HOG 特征 例如,以下代码将图像调整为相同的大小,并提取 HOG 特征: ``` img = imresize(img, [100 100]); % 调整大小 grayImg = rgb2gray(img); % 转换为灰度图像 hogFeatures = extractHOGFeatures(grayImg); % 提取 HOG 特征 ``` 4. 训练分类器 使用提取的特征来训练分类器。可以使用 MATLAB 的 `fitcecoc` 函数来训练多分类支持向量机(SVM)分类器。 ``` labels = [1 2 3 4]; % 标签 features = [hogFeatures1; hogFeatures2; hogFeatures3; hogFeatures4]; % 特征 svmModel = fitcecoc(features, labels); % 训练 SVM 分类器 ``` 5. 对新图像进行分类 使用训练好的分类器来对新图像进行分类。可以使用以下代码: ``` newImg = imread('path/to/new/image.jpg'); % 加载新图像 newImg = imresize(newImg, [100 100]); % 调整大小 newGrayImg = rgb2gray(newImg); % 转换为灰度图像 newHOGFeatures = extractHOGFeatures(newGrayImg); % 提取 HOG 特征 predictedLabel = predict(svmModel, newHOGFeatures); % 预测标签 ``` 以上就是一个简单的用 MATLAB 实现蠓虫分类的程序。需要注意的是,这只是一个基础的示例,实际应用中可能需要更复杂的图像处理和特征提取方法,以及更高级的分类器。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值