自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

上一步保存

weixin_45524749的博客

原创光谱数据建模ks分类MATLAB实现

根据欧式距离值，对光谱建模数据进行ks分类处理，分为校正集/训练集样本和验证集样本// function [ytrain,ytest,col_] = ks_sampling(y,alpha)% y：光谱波长/波数*样本数% alpha:训练集/校正集样本所占比例，取值范围为0-1% Written by Rui，2019.11.04y=y';m=size(y,1);n=round...

2019-11-04 15:55:01 3739 11

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

两颗柚子 CSDN认证博客专家 CSDN认证企业博客

码龄5年

暂无认证

IP 属地：北京市

IP属地以运营商信息为准，境内显示到省（区、市），境外显示到国家（地区）

1: 原创

132万+: 周排名

54万+: 总排名

3739: 访问

: 等级

60: 积分

5: 粉丝

3: 获赞

11: 评论

17: 收藏

私信

关注

最新评论

光谱数据建模ks分类MATLAB实现
张沐戈: 第一段 // function [ytrain,ytest,col_] = ks_sampling(y,alpha) % y：光谱波长/波数*样本数 % alpha:训练集/校正集样本所占比例，取值范围为0-1 % Written by Rui，2019.11.04 y=y'; m=size(y,1); n=round((1-alpha)*m); %% 计算欧式距离，并选择距离最远的两个样本进入训练集 D=zeros(m-1,m); % 计算欧式距离值 for i=1:m-1 yp=y(i,:); for j=i+1:m yq = y(j,:); D_2=sqrt((sum((yp - yq).^ 2))); D(i,j) = D_2; end end % 重构欧氏距离矩阵（第m个样本放到第m行） temp1=D(:,m)'; temp1=[temp1,0]; D=[D;temp1]; % 寻找最大欧式距离的两个样本,训练集样本的初始状态 index=max(max(D)); [row,col]=find(index==D); D(:,col)=NaN; D(:,row)=NaN; temp2=D([row,col],:); ———————————————— 版权声明：本文为CSDN博主「两颗柚子」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。原文链接：https://blog.csdn.net/weixin_45524749/article/details/102897952
光谱数据建模ks分类MATLAB实现
张沐戈: // function [ytrain,ytest,col_] = ks_sampling(y,alpha) % y：光谱波长/波数*样本数 % alpha:训练集/校正集样本所占比例，取值范围为0-1 % Written by Rui，2019.11.04 y=y'; m=size(y,1); n=round((1-alpha)*m); %% 计算欧式距离，并选择距离最远的两个样本进入训练集 D=zeros(m-1,m); % 计算欧式距离值 for i=1:m-1 yp=y(i,:); for j=i+1:m yq = y(j,:); D_2=sqrt((sum((yp - yq).^ 2))); D(i,j) = D_2; end end % 重构欧氏距离矩阵（第m个样本放到第m行） temp1=D(:,m)'; temp1=[temp1,0]; D=[D;temp1]; % 寻找最大欧式距离的两个样本,训练集样本的初始状态 index=max(max(D)); [row,col]=find(index==D); D(:,col)=NaN; D(:,row)=NaN; temp2=D([row,col],:); %% 添加其他样本到训练集 % 构建训练集样本索引元胞 o=round(n/2); temp4=cell(o,1); temp4{1,1}=[row;col]; % 计算欧式距离，添加最大最小样本到训练集 for k=1:o-1 % 找最大值对应的索引 index_max=max(max(temp2)); [row_max,col_max]=find(index_max==temp2); %去掉已选样本 D(:,col_max)=NaN; temp2(:,col_max)=NaN; temp2=[temp2;D([col_max],:)]; temp2(find(temp2==0))=NaN; % 找最小值对应的索引 index_min=min(min(temp2)); [row_min,col_min]=find(index_min==temp2);
光谱数据建模ks分类MATLAB实现
张沐戈: %去掉已选样本 D(:,col_min)=NaN; temp2(:,col_min)=NaN; temp2=[temp2;D([col_min],:)]; temp2(find(temp2==0))=NaN; % 样本序号列入元胞中 temp4{k+1,:}=[col_min;col_max]; end %训练集样本索引向量 temp5=cell2mat(temp4); temp5=sort(temp5); col_=temp5(1:n,:); %% 根据相应的索引得到训练集 ytrain=y(col_,:)'; y(col_,:)=[]; ytest=y'; ———————————————— 版权声明：本文为CSDN博主「两颗柚子」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。原文链接：https://blog.csdn.net/weixin_45524749/article/details/102897952
光谱数据建模ks分类MATLAB实现
张沐戈: // function [ytrain,ytest,col_] = ks_sampling(y,alpha) % y：光谱波长/波数*样本数 % alpha:训练集/校正集样本所占比例，取值范围为0-1 % Written by Rui，2019.11.04 y=y'; m=size(y,1); n=round((1-alpha)*m); %% 计算欧式距离，并选择距离最远的两个样本进入训练集 D=zeros(m-1,m); % 计算欧式距离值 for i=1:m-1 yp=y(i,:); for j=i+1:m yq = y(j,:); D_2=sqrt((sum((yp - yq).^ 2))); D(i,j) = D_2; end end % 重构欧氏距离矩阵（第m个样本放到第m行） temp1=D(:,m)'; temp1=[temp1,0]; D=[D;temp1]; % 寻找最大欧式距离的两个样本,训练集样本的初始状态 index=max(max(D)); [row,col]=find(index==D); D(:,col)=NaN; D(:,row)=NaN; temp2=D([row,col],:); %% 添加其他样本到训练集 % 构建训练集样本索引元胞 o=round(n/2); temp4=cell(o,1); temp4{1,1}=[row;col]; % 计算欧式距离，添加最大最小样本到训练集 for k=1:o-1 % 找最大值对应的索引 index_max=max(max(temp2)); [row_max,col_max]=find(index_max==temp2); %去掉已选样本 D(:,col_max)=NaN; temp2(:,col_max)=NaN; temp2=[temp2;D([col_max],:)]; temp2(find(temp2==0))=NaN; % 找最小值对应的索引 index_min=min(min(temp2)); [row_min,col_min]=find(index_min==temp2);
光谱数据建模ks分类MATLAB实现
Shaelyn7: 请问一下这个代码现在能用吗

原创 光谱数据建模ks分类MATLAB实现

空空如也

空空如也

原创光谱数据建模ks分类MATLAB实现