gusucode.com > 精通Matlab数字图像处理与识别源码程序 > 精通Matlab数字图像处理与识别源码程序/chapter13/code/nearest.m
% 例11.3 利用最小距离分类器分类3种鸢尾属植物 load fisheriris %载入Matlab自带的鸢尾属植物数据集 % 每类的前40个样本用于生成代表该类的模板,后10个作为独立的测试样本 m1 = mean( meas(1:40, :) ); %第1类的前40个样本的平均向量 m2 = mean( meas(51:90, :) ); %第2类的前40个样本的平均向量 m3 = mean( meas(101:140, :) ); %第3类的前40个样本的平均向量 % 测试样本集 Test = [meas(41:50, :); meas(91:100, :); meas(141:150, :)]; % 测试样本集对应的类别标签 classLabel(1:10) = 1; classLabel(11:20) = 2; classLabel(21:30) = 3; % 利用最小距离分类器分类测试样本 class = zeros(1, 30); %类标签 for ii = 1:size(Test, 1) d(1) = norm(Test(ii, :) - m1); %与第1类的距离 d(2) = norm(Test(ii, :) - m2); %与第2类的距离 d(3) = norm(Test(ii, :) - m3); %与第3类的距离 [minVal class(ii)] = min(d); %计算最小距离并将距离样本最短的类赋给类标签数组 class end % 测试最小距离分类器的识别率 nErr = sum(class ~= classLabel); rate = 1 - nErr / length(class); strOut = ['识别率为', num2str(rate*100), '%']