hk.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

function [W,k]=HK(X,b,p,n)
%-----------------参数说明----------------------%     
% X : 训练模式构造的增广矩阵,已经符号规范化
% b : 余量矢量
% p : 增量调整步长，正的常数
% n : 最大循环次数
% W : 解权矢量
% k : 迭代次数
%----------------------------------------------%
Xweini=pinv(X);%求增广矩阵X的伪逆矩阵                 
i=1;
while i<=n
    w=Xweini*b;
    e=X*w-b;
    if  sum( abs(e)>=1.0*10.^-4 )==0;%判断e是否为0,如果为0 ，则结束迭代.精度为1.0*10.^-4;
        break;
    end
    if  sum(abs(e)>=0)==0;%判断e是否所有分量全小于0,如果是，则结束迭代;
        break;
    end
    w=w+p*Xweini*(e+abs(e));
    b=b+p*(e+abs(e));
    i=i+1;%记录迭代次数
end
k=i;
W=w;