matlab - 向量尽力分类算法

Question

给定四个表示“类”的二进制向量:

[1,0,0,0,0,0,0,0,0,0]
[0,0,0,0,0,0,0,0,0,1]
[0,1,1,1,1,1,1,1,1,0]
[0,1,0,0,0,0,0,0,0,0]

有哪些方法可用于将浮点值向量分类为这些“类”之一？

基本舍入在大多数情况下有效:

round([0.8,0,0,0,0.3,0,0.1,0,0,0]) = [1 0 0 0 0 0 0 0 0 0] 

但是我该如何处理一些干扰呢？

round([0.8,0,0,0,0.6,0,0.1,0,0,0]) != [1 0 0 0 0 1 0 0 0 0]

第二种情况应该更适合 1000000000，但由于没有明确的匹配，我完全失去了解决方案。

我想使用 MATLAB 完成这项任务。

Answer 1

找到 SSD (sum of squared differences)每个“类”的测试向量，并使用 SSD 最少的那个。

这是一些代码:我在您提供的测试向量的末尾添加了一个 0，因为它只有 9 位数字，而类有 10 位数字。

CLASSES = [1,0,0,0,0,0,0,0,0,0
           0,0,0,0,0,0,0,0,0,1
           0,1,1,1,1,1,1,1,1,0
           0,1,0,0,0,0,0,0,0,0];

TEST = [0.8,0,0,0,0.6,0,0.1,0,0,0];

% Find the difference between the TEST vector and each row in CLASSES
difference = bsxfun(@minus,CLASSES,TEST);
% Class differences
class_diff = sum(difference.^2,2);
% Store the row index of the vector with the minimum difference from TEST
[val CLASS_ID] = min(class_diff);
% Display
disp(CLASSES(CLASS_ID,:))

为了便于说明，差异 如下所示:

 0.2    0   0   0   -0.6    0   -0.1    0   0   0
-0.8    0   0   0   -0.6    0   -0.1    0   0   1
-0.8    1   1   1    0.4    1    0.9    1   1   0
-0.8    1   0   0   -0.6    0   -0.1    0   0   0

每个类与 TEST 的距离如下所示，class_diff:

 0.41
 2.01
 7.61
 2.01

显然，第一个是最佳匹配，因为它的差异最小。