您现在的位置:首页 >> ★免费资源 >> 源码下载 >> 内容

MATLAB代做-python代做-FPGA代做-分类器

时间:2019-5-1 15:54:12 点击:

  核心提示:MATLAB代做-python代做-FPGA代做-分类器...
clear;
clc;
sum_xinren_jiancelv=0;sum_xinren_alarmlv=0;sum_beijin_jiancelv=0;
%-----------产生随机序号-----------------
%a为种子,依次取1,2,3,4,5,将产生固定随机序列
    for a=1:5
        xinren_jiancelv=0;
        xinren_alarmlv=0;
        beijin_jiancelv=0;
        rand('state',a);
        b=rand(1,250);%随机产生250个数字。
        rand_xuhao=floor(500*b);%将随机数取整得到250个随机整数,作为HoG序号
        %序号从小到大排序
        for i=1:250
            for j=(i+1):250
                if rand_xuhao(1,i)>rand_xuhao(1,j)
                    buffer=rand_xuhao(1,i);
                    rand_xuhao(1,i)=rand_xuhao(1,j);
                    rand_xuhao(1,j)=buffer;
                end
            end
        end
        %序号去重,并且去掉0项dazuoye1.m
        for i=1:250
            if rand_xuhao(1,i)==0
                rand_xuhao(1,i)=rand_xuhao(1,i)+1;
            end
            for j=(i+1):250
                if rand_xuhao(1,i)==rand_xuhao(1,j)
                    rand_xuhao(1,j)=rand_xuhao(1,j)+1;
                end
            end
        end 
        %取出去除随机数后剩下的250个数作为待测数据序号
        p=1;
        symbol=0;
        for i=1:500
            for j=1:250
                if i==rand_xuhao(1,j)
                    symbol=0; 
                    break
                else
                    symbol=symbol+1;
                end
            end
            if symbol~=0
                    rest_xuhao(1,p)=i;
                    p=p+1;
            end
        end
%--------取出背景中随机序号对应的250个训练向量,并取平均值----------
        load non_pedestrian.mat;
        for m=1:250
            c=rand_xuhao(1,m);
            xunlian_non{1,m}=HoG{1,c};
        end
        %求训练样本均值                
        sum_xunlian_non=xunlian_non{1,1};
        for j=2:250
            sum_xunlian_non=sum_xunlian_non+xunlian_non{1,j};
        end
        mean_xunlian_non=sum_xunlian_non/250;
        
        %取出背景中的其余250个特征向量作为待测向量。
        for m=1:250
            d=rest_xuhao(1,m);
            daice_non{1,m}=HoG{1,d};
        end
 %-------------随机取行人中250个特征,并取其平均值--------------。
         load pedestrian.mat;
        %取与背景相同序号的训练向量和待测向量,随机序号对应的250个特征向量-训练向量。
        for m=1:250
            c=rand_xuhao(1,m);
            xunlian{1,m}=HoG{1,c};
        end
        %求训练样本均值                
        sum_xunlian=xunlian{1,1};
        for j=2:250
            sum_xunlian=sum_xunlian+xunlian{1,j};
        end
        mean_xunlian=sum_xunlian/250;

        %取出行人中250个待测向量。
        for m=1:250
            d=rest_xuhao(1,m);
            daice{1,m}=HoG{1,d};
        end

%--------------最小欧氏距离判别-------------------------
        e_non=0;r_non=0;e=0;r=0;mo_cha_non_non=0;mo_cha_non_daice=0;mo_cha_non=0;mo_cha_daice=0;
        for i=1:250
            cha_non_non=daice_non{1,i}-mean_xunlian_non;
            cha_non_daice=daice_non{1,i}-mean_xunlian;
            for j=1:16
                mo_cha_non_non=mo_cha_non_non+cha_non_non(j)^2;
                mo_cha_non_daice=mo_cha_non_daice+cha_non_daice(j)^2;
            end
            if mo_cha_non_non>mo_cha_non_daice
                e_non=e_non+1;
            else
                r_non=r_non+1;
            end
        end
        %背景检测率
        beijin_jiancelv=(beijin_jiancelv+r_non/250);
        %输出背景检测率
        z={'a='};
        disp(z{1,1});
        disp(a);
        z={'beijin_jiancelv='};
        disp(z{1,1});
        disp(beijin_jiancelv);
        %行人检测率计算
        for i=1:250
            cha_non=daice{1,i}-mean_xunlian_non;
            cha_daice=daice{1,i}-mean_xunlian;
            for j=1:16
                mo_cha_non=mo_cha_non+cha_non(j)^2;
                mo_cha_daice=mo_cha_daice+cha_daice(j)^2;
            end
            if mo_cha_non>mo_cha_daice
                r=r+1;
            else
                e=e+1;
            end
        end
        %输出行人检测率和虚警率
        xinren_jiancelv=(xinren_jiancelv+r/250);
        xinren_alarmlv=(xinren_alarmlv+e_non/250);
        z={'xinren_jiancelv='};
        disp(z{1,1});
        disp(xinren_jiancelv);
        z={'xinren_alarmlv='};
        disp(z{1,1});
        disp(xinren_alarmlv);
        %检测率求和
        sum_xinren_jiancelv=sum_xinren_jiancelv+xinren_jiancelv;
        sum_xinren_alarmlv=sum_xinren_alarmlv+xinren_alarmlv;
        sum_beijin_jiancelv=sum_beijin_jiancelv+beijin_jiancelv;
    end
        %平均检测率
        average_xinren_jiancelv=sum_xinren_jiancelv/5;
        average_xinren_alarmlv=sum_xinren_alarmlv/5;
        average_beijin_jiancelv=sum_beijin_jiancelv/5;
        %输出平均检测率
        z={'average_xinren_jiancelv='};
        disp(z{1,1});
        disp(average_xinren_jiancelv);
        z={'average_xinren_alarmlv='};
        disp(z{1,1});
        disp(average_xinren_alarmlv);
        z={'average_beijin_jiancelv='};
        disp(z{1,1});
        disp(average_beijin_jiancelv);

联系:highspeedlogic

QQ :1224848052

微信:HuangL1121

邮箱:1224848052@qq.com

网站:http://www.mat7lab.com/

网站:http://www.hslogic.com/

微信扫一扫:











Tags:分类器 
作者:分类器 来源:分类器
  • 您是如何找到本站的?
  • 百度搜索
  • Google搜索
  • 查阅资料过程中
  • 论坛发现
  • 百度贴吧发现
  • 朋友介绍
本站最新成功开发工程项目案例
相关评论
发表我的评论
  • 大名:
  • 内容:
  • matlab代做|matlab专业代做|matlab淘宝代做(www.hslogic.com) © 2019 版权所有 All Rights Reserved.
  • Email:highspeed_logic@163.com 站长QQ: 1224848052

    专业代做/代写/承接、MATLAB、SIMULINK、FPGA项目、博士/硕士/本科毕业设计、课题设计、论文,毕业论文,Coursework、Eassy、Assignment