hk_test.m

H-K(Ho-Kashyap)算法。在模式识别应用中运用HK算法根据样本进行分类器训练。

%Ho-Kashyap算法，分类器训练
%该算法仍然使用平方误差准则函数J，视作w和b的函数，在迭代过程中修正w的同时，也对矢量b进行
%调整，运用最优化技术求得准则函数J关于w和b的极小值点
%课本p68,例3.6.1,增加两个样本，x1，x2和x3属于w1类，x4，x5和x6属于w2类，用H-K算法进行分类器训练
%--------以下是该例的样本-----------%
%x1=[0,0];
%x2=[0,1];
%x3=[0.3,2];
%x4=[1,0];
%x5=[1,1];
%x6=[1.4,0.1];
%---------------------------------%

clear all;clc;
X1=[[0,0];[0,1];[0.3,2]];%第一类样本
X1r=size(X1,1);%X1的行数
X2=[[1,0];[1,1];[1.4,0.1]];%第二类样本
X2r=size(X2,1);%X2的行数

zenglie1=ones(X1r,1);%为构造X的增广矩阵作准备
zenglie2=-ones(X2r,1);%为构造X的增广矩阵作准备
X=[X1,zenglie1;-X2,zenglie2];%由训练模式集构造增广矩阵X
Xc=size(X,1);%求X行数
b=ones(Xc,1);%余量矢量
p=1;
n=100;
[W,k]=HK(X,b,p,n);%调用HK函数进行分类器训练
disp('第一类样本为：');
disp(X1);
disp('第二类样本为：');
disp(X2);
disp('解权矢量W=');
disp(W);
disp('迭代次数k=');
disp(k);