1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
| percent=[];%正确率数组
for n=1:10
train=[];test=[];
index=0;%测试集下标
for i=1:8
P=randperm(8);%随机序列
for j=1:4
train{i,j}=strcat(int2str(i),int2str(P(j)),'.jpg');%训练集
end
for j=5:8
index=index+1;
test{index}=strcat(int2str(i),int2str(P(j)),'.jpg'); %测试集
end
end
[M,N]=size(train);%训练集大小
X=[];
for i=1:M
for j=1:N
name=char(train(i,j));
img_train=imread(name);%读取训练集图片
glcm=graycomatrix(img_train,'Offset',[-1 -1],'NumLevels',4);%计算灰度共生矩阵,135度方向,d=1,量化级数4
stats = graycoprops(glcm, 'all');%对比度、相关、能量、均匀度
out= entropy(img_train); %整幅图的熵
X(i,j,:)=[stats.Contrast,stats.Correlation,stats.Energy,stats.Homogeneity,out];%训练集特征向量
end
end
truenum=0;
for i=1:index
x=[];
name=char(test(i));
img_test=imread(name);%读取测试集图片
glcm=graycomatrix(img_test,'Offset',[-1 -1],'NumLevels',4);%计算灰度共生矩阵,135度方向,d=1,量化级数4
stats = graycoprops(glcm, 'all');%对比度、相关、能量、均匀度
out= entropy(img_train); %整幅图的熵
x=[stats.Contrast,stats.Correlation,stats.Energy,stats.Homogeneity,out];%测试集特征向量
gix=[];
for j=1:M
odist=[];%第j类的欧式距离数组
for k=1:N
a=X(j,k,:);
a=a(:)';%训练集特征向量
odist(k)=norm(a-x);%求欧氏距离
end
gix(j)=min(odist);%第j类中最小欧氏距离
end
[gjx,mindex]=min(gix);%最小欧氏距离及其类别
fprintf('%s属于第%d类 ',name,mindex);
if mod(i,4)==0
fprintf('\n');%每四个换一次行
end
num=str2num(name(1));%正确的类别
if num==mindex
truenum=truenum+1;%求分类正确的数量
end
end
percent(n)=truenum/32;%求分类正确率
fprintf('正确率为：%f\n',percent(n));
end
fprintf('10次平均正确率为：%f\n',mean(percent));%求平均分类正确率
|
wechat
