K近邻C语言实现.docVIP

K近领算法C语言实现 一. 5近邻iris的识别率统计 1.程序代码 load F:\iris.txt ; s1 zeros 10,1 ;s2 zeros 10,1 ;s3 zeros 10,1 ;s zeros 10,1 ; for q 1:10 iris1 iris 1:50,: ; A randperm 50 ; A A 1,1:25 ; xtrain1 iris1 A,: ; iris1 A,: []; xtest1 iris1; iris2 iris 51:100,: ; A randperm 50 ; A A 1,1:25 ; xtrain2 iris2 A,: ; iris2 A,: []; xtest2 iris2; iris3 iris 101:150,: ; A randperm 50 ; A A 1,1:25 ; xtrain3 iris3 A,: ; iris3 A,: []; xtest3 iris3; train cat 1,xtrain1,xtrain2,xtrain3 ; test cat 1,xtest1,xtest2,xtest3 ;%?yè· long zeros 75,1 ; for j 1:75 for i 1:75 long i test j,1 -train i,1 ^2+ test j,2 -train i,2 ^2+ test j,3 -train i,3 ^2+ test j,4 -train i,4 ^2; end [long1,mark1] sort long ; mark train mark1 1:5 ,5 ; sign1 0; sign2 0; sign3 0; for k 1:5 if mark k 1 sign1 sign1+1; elseif mark k 2 sign2 sign2+1; elseif mark k 3 sign3 sign3+1; end end if sign1 sign2sign1 sign3 % disp 1 ; sm 1; elseif sign2 sign1sign2 sign3 % disp 2 ; sm 2; elseif sign3 sign1sign3 sign2 % disp 3 ; sm 3; end if j 25sm 1 s1 q s1 q +1; elseif j 25j 51sm 2 s2 q s2 q +1; elseif j 50j 76sm 3 s3 q s3 q +1; end if j 25sm 1||j 25j 51sm 2||j 50j 76sm 3 s q s q +1; end end disp sprintf μú%d,q ; disp sprintf μúò?àà ,%f,,s1 q /25 ; disp sprintf μú?tàà , %f,,s2 q /25 ; disp sprintf μúèyàà , %f,,s3 q /25 ; disp sprintf ×ü ,%f,,s q /75 ; end mean s1/25 mean s2/25 mean s3/25 mean s/75 2.识别率统计 5近邻iris的识别率统计 第一次 第二次 第三次 第四次 第五次 第六次 第七次 第八次 第九次 第十次 平均（类别） 　 第一类 1 1 1 1 1 1 1 1 1 1 1 第二类 0.92 0.92 0.92 0.92 0.92 0.96 0.96 0.96 1 0.96 0.944 第三类 1 1 0.96 0.96 0.92 0.92 0.96 1 0.84 0.88 0.944 平均（次数） 0.973 0.973 0.96 0.96 0.947 0.96 0.973 0.987 0.947 0.947 0.963 总平均 0.963 3.结果分析 通过对样本识别率的统计，发现第一类识别率极高，为1；其他俩类识别率也很高，说明三类样本的特征维数很低，差别较大。