《模式识别与智能计算》二值化的夹角余弦距离法分类

• 2020 年 1 月 16 日
• 筆記

算法流程

1. 将样本库中的每个样本进行二值化，阈值为（最大值-最小值）/2
2. 利用夹角余弦距离法对待测样品进行分类

算法实现

def erzhianglecos(x_train,y_train,sample):      """      :function 按照二值夹角余弦距离法计算待测样品与样品库中的相似度      :param x_train: 训练集 M*N  M为样本个数 N为特征个数      :param y_train: 训练集标签 1*M      :param sample: 待识别样品      :return: 返回判断类别      """      #二值化      spit  = 0.5*(np.max(x_train) - np.min(x_train))      train = np.where(x_train>spit,1,0)      sample = np.where(sample>spit,1,0)      #计算夹角余弦      erZhiAng = np.sum(train*sample)/np.sqrt(np.sum(train^2)*np.sum(sample^2))      #值越大越相似      disMaxId = np.argmax(erZhiAng)      label = y_train[disMaxId]      return label

测试代码

from sklearn import datasets  from Include.chapter3 import function  import numpy as np    #读取数据  digits = datasets.load_digits()  x , y = digits.data,digits.target    #划分数据集  x_train, y_train, x_test, y_test = function.train_test_split(x,y)  testId = np.random.randint(0, x_test.shape[0])  sample = x_test[testId, :]      ans = function.anglecos(x_train,y_train,sample)  print(ans==y_test[testId])

算法结果

True