clc
clear
load?final_features
load?final_mark
load?testdata
input_train?=?final_features‘;
output_train?=?final_mark‘;
input_test?=?testdata（:1:10）‘;
output_test?=?testdata（:11）‘;
a=input_train（:1:466）;
for?j=1:5
????input（::j）=[a?input_train（:1600*（j-1）+467:1600*j+467）];
????output（::j）=[output_train（:1:466）?output_train（1600*（j-1）+467:1600*j+467）];
end
input（::6）=[a?input_train（:7318:8918）];
output（::6）=[output_train（1:466）?output_train（7318:8918）];
input（::7）=[a?input_train（:5718:7318）];
output（::7）=[output_train（1:466）?output_train（5718:7318）];


%%?弱分類器分類
K=7;
for?i=1:7
????input_tr?=?input（::i）;
????output_tr?=?output（::i）;
????%?權重初始化
????[mmnn]=size（input_tr）;
????D（1:）=ones（1nn）/nn;
????%訓練樣本歸一化
????[inputninputps]=mapminmax（input_tr）;
????[outputnoutputps]=mapminmax（output_tr）;
????error（i）=0;
????
????%BP神經網絡構建
????net=newff（inputnoutputn24{‘tansig‘?‘purelin‘}‘trainlm‘）;
????net.trainParam.epochs=10;
????net.trainParam.lr=0.12;
????net.trainParam.goal=0.00004;
????
????%BP神經網絡訓練
????net=train（netinputnoutputn）;
????
????%訓練數據預測
????an1=sim（netinputn）;
????test_simu1（i:）=mapminmax（‘reverse‘an1outputps）;
????
????%測試數據預測
????inputn_test?=mapminmax（‘apply‘input_testinputps）;
????an=sim（netinputn_test）;
????test_simu（i:）=mapminmax（‘reverse‘anoutputps）;
????
????%統計輸出效果
????kk1=find（test_simu1（i:）>0）;
????kk2=find（test_simu1（i:）<0）;
????
????aa（kk1）=1;
????aa（kk2）=-1;
????
????%統計錯誤樣本數
????for?j=1:nn
????????if?aa（j）~=output_tr（j）;
????????????error（i）=error（i）+D（ij）;
????????end
????end
????
????%弱分類器i權重
????at（i）=0.5*log（（1-error（i））/error（i））;
????
????%更新D值
????for?j=1:nn
????????D（i+1j）=D（ij）*exp（-at（i）*aa（j）*test_simu1（ij））;
????end
????
????%D值歸一化
????Dsum=sum（D（i+1:））;
????D（i+1:）=D（i+1:）/Dsum;
????
end

%%?強分類器分類結果
output=sign（at*test_simu）;

%%?分類結果統計
%統計強分類器每類分類錯誤個數
kkk1=0;
kkk2=0;
for?j=1:2072
????if?output（j）==1
????????if?output（j）~=output_test（j）
????????????kkk1=kkk1+1;
????????end
????end
????if?output（j）==-1
????????if?output（j）~=output_test（j）
????????????kkk2=kkk2+1;
????????end
????end
end

kkk1
kkk2
disp（‘第一類分類錯誤??第二類分類錯誤??總錯誤‘）;
%?窗口顯示
disp（[kkk1?kkk2?kkk1+kkk2]）;

plot（output）
hold?on
plot（output_test‘g‘）

%統計弱分離器效果
for?i=1:K
????error1（i）=0;
????kk1=find（test_simu（i:）>0）;
????kk2=find（test_simu（i:）<0）;
????
????aa（kk1）=1;
????aa（kk2）=-1;
????
????for?j=1:2072
????????if?aa（j）~=output_test（j）;
????????????error1（i）=error1（i）+1;
????????end
????end
end
disp（‘統計弱分類器分類效果‘）;
error1

disp（‘強分類器分類誤差率‘）
（kkk1+kkk2）/2072

disp（‘弱分類器分類誤差率‘）
（sum（error1）/（K*2072））

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件????????1328??2020-09-08?18:58??SMOTEú?PNN+Adaboostú?\license.txt
?????文件??????291228??2020-09-08?18:58??SMOTEú?PNN+Adaboostú?\SMOTE.zip
?????文件????????2976??2020-09-08?18:58??SMOTEú?PNN+Adaboostú?\SMOTE\bp_adaboost.asv
?????文件????????2872??2020-09-08?18:58??SMOTEú?PNN+Adaboostú?\SMOTE\bp_adaboost.m
?????文件??????132927??2020-09-08?18:58??SMOTEú?PNN+Adaboostú?\SMOTE\final_features.mat
?????文件?????????280??2020-09-08?18:58??SMOTEú?PNN+Adaboostú?\SMOTE\final_mark.mat
?????文件???????14158??2020-09-08?18:58??SMOTEú?PNN+Adaboostú?\SMOTE\nearestneighbour.m
?????文件?????????102??2020-09-08?18:58??SMOTEú?PNN+Adaboostú?\SMOTE\newset.m
?????文件?????????774??2020-09-08?18:58??SMOTEú?PNN+Adaboostú?\SMOTE\PNN.m
?????文件?????????233??2020-09-08?18:58??SMOTEú?PNN+Adaboostú?\SMOTE\readme.txt
?????文件????????2614??2020-09-08?18:58??SMOTEú?PNN+Adaboostú?\SMOTE\SMOTE.m
?????文件???????30872??2020-09-08?18:58??SMOTEú?PNN+Adaboostú?\SMOTE\testdata.mat
?????文件??????121831??2020-09-08?18:58??SMOTEú?PNN+Adaboostú?\SMOTE\traindata.mat