AdaBoost等MatLab代码

【实例简介】
本人研究生阶段写文档所写的Matlab代码。 包括： 1、图片预处理； 2、特性提取：颜色、灰度共生矩阵、灰度差分、Harr-Like、等多个特征提取算法； 3、特性选择：从特征向量中选取有效的特性； 4、基础算法：AdaBoost的训练与测试; Bayes算法 5、AdaBoost的改进：Boosting, CastBoost、FloatBoost
【实例截图】
【核心代码】
Kofsky-Code-Orange
├── AdaBoost
│   ├── AdaBoost.asv
│   ├── AdaBoostClassfy.m
│   ├── AdaBoost.m
│   ├── AdaBoostWeakLearnerClassfy.m
│   ├── analysis
│   │   ├── analysisHypothesisFeature.asv
│   │   ├── analysisHypothesisFeature.m
│   │   └── featureNameMap.m
│   ├── calPredictErrorRate.m
│   ├── limited
│   │   ├── limitedTrainAdaBoostLearner.asv
│   │   ├── limitedTrainAdaBoostLearner.m
│   │   ├── testLimitedTrainAdaBoostLearner.asv
│   │   └── testLimitedTrainAdaBoostLearner.m
│   ├── other-adaboost
│   │   ├── L_AdaBoost.m
│   │   ├── L_Detection.m
│   │   ├── L_FaceDetection.m
│   │   ├── L_partfeature.m
│   │   ├── L_RandomInt.m
│   │   ├── L_SingleFeatureLearner.m
│   │   ├── L_TrainingSamples.m
│   │   ├── L_WeakClassifyCall.m
│   │   ├── L_WeakClassify.m
│   │   ├── L_WeakLeaner.m
│   │   ├── PositionRecord.mat
│   │   └── RatesAndIteration.mat
│   ├── searchBestWeakLearner.m
│   ├── TestAdaBoostExample.m
│   ├── testAdaBoostLearner.m
│   ├── testAdaBoost.m
│   └── trainAdaBoostLearner.m
├── bayes
│   ├── Bayes.m
│   ├── BayesTrain.m
│   ├── CrossValidate.m
│   └── TestBayes.m
├── Boosting
│   ├── boostComparasion.m
│   ├── boostComparasionTest.m
│   ├── EntropyBoost
│   │   ├── SceBoost.m
│   │   ├── testSceBoostExample.m
│   │   └── trainSceBoostLearner.m
│   ├── FloatBoost
│   │   ├── FloatBoost.asv
│   │   ├── FloatBoost.m
│   │   ├── testFloatBoost2.m
│   │   └── trainFloatBoostLearner.m
│   ├── MultiBoost
│   │   └── MultiBoost.m
│   └── RealBoost
│   ├── RealBoostClassfy.m
│   ├── RealBoost.m
│   ├── testBoostLearner.m
│   ├── testBoost.m
│   ├── testRealBoost.m
│   └── trainRealBoostLearner.m
├── CascadeBoost
│   ├── AsfBoost
│   │   ├── ASFCasAdaBoostDecision.m
│   │   ├── testAsfCascadeAdaBoost.m
│   │   ├── trainAsfCascadeAdaBoost2.m
│   │   └── trainAsfCascadeAdaBoost.m
│   ├── bootstrapTest.asv
│   ├── bootstrapTest.m
│   ├── FeaSubsetCascadeAdaBoost.m
│   ├── testCascadeAdaBoost.m
│   ├── testFeatureSubsetCascadeBoost.m
│   └── trainCascadeAdaBoost.m
├── feaExtract
│   ├── color
│   │   ├── extractColorFeature.m
│   │   ├── rgb2hsi.m
│   │   └── rgb2yiq.m
│   ├── extractFeatureForCpp.m
│   ├── extractFeature.m
│   ├── Gabor
│   │   ├── extractFFTTextureFeature.m
│   │   ├── extractGaborFeature.m
│   │   ├── gabor.m
│   │   ├── GaborProps.m
│   │   └── testGaborFeature.m
│   ├── GrayComatrix
│   │   ├── extractCoOccureTextFeature.m
│   │   ├── graycopropsex.m
│   │   └── testGrayCoMatrixFeature.m
│   ├── GrayDifferStats
│   │   ├── extractGrayDifferStatFeature.m
│   │   ├── grayDifferStatProps.m
│   │   └── testGrayDifferenceStatisFeature.m
│   ├── GrayGradsComatrix
│   │   ├── edgedetect.m
│   │   ├── extractGGLCMSFeature.m
│   │   ├── GrayGradsComatrix.m
│   │   ├── GrayGradsComatrixProps.m
│   │   └── testGGLCMSFeature.m
│   ├── GrayRunLength
│   │   ├── extractGRLMFeature.m
│   │   ├── GrayRunLength.asv
│   │   ├── GrayRunLength.m
│   │   ├── GrayRunLengthProps.m
│   │   └── testGRLMFeature.m
│   ├── Harr-like
│   │   ├── extHarrLikeFeature.m
│   │   ├── IntegralImage.m
│   │   └── testHarrLikeFea.m
│   ├── identifyFeatureByIndex.m
│   ├── identifySeriesFeatureByIndex.m
│   ├── Moment
│   │   ├── CalculateCenterMoment.m
│   │   ├── CalculateMoment.m
│   │   ├── CalculateNormCenterMoment.m
│   │   ├── ColorHist
│   │   │   └── ColorHistInvariantFeatures.m
│   │   ├── extractInvariantMomentFeature.m
│   │   ├── InvariantMomentProps.m
│   │   └── testInvariantMomentFeature.m
│   └── testFeatureExtract.m
├── feaSelect
│   ├── AdaBoostBasedCombineFeaSelect.m
│   ├── AdaBoostBasedSingleFeaSelect.m
│   ├── avgValue.asv
│   ├── avgValue.m
│   ├── BoostSeriesFeaSelect.m
│   ├── ClassicalFeaSelect.m
│   ├── DecisionTree
│   │   ├── curWork.m
│   │   ├── DecisionTree.m
│   │   ├── DTTest.m
│   │   ├── Entropy.m
│   │   ├── FeaBinaryBySearch.m
│   │   └── GetTrain_Test.m
│   ├── DecisionTreeBasedFeaSelect.m
│   ├── displayFeaSelectResult.m
│   ├── drawBoostSeriesFeaSelectResult.asv
│   ├── drawBoostSeriesFeaSelectResult.m
│   ├── FeaSelectComparasion.m
│   ├── FloatBoostBasedFeaSelect.m
│   ├── ForwardSearchFeaSelect.asv
│   ├── ForwardSearchFeaSelect.m
│   ├── ga
│   │   ├── fitness.asv
│   │   ├── fitness.m
│   │   └── GATest.m
│   ├── GABasedFeaSelect.m
│   ├── PCAFeaSlect.m
│   ├── SceBoostBasedFeaSelect.m
│   ├── SortFeaSelect.m
│   ├── testFeaSelectionForClassify.m
│   └── TestFeaSelect.m
├── FloatBoost
│   ├── findBestWeakLearner.m
│   ├── FloatBoost2.m
│   ├── getStrongHypothesisOutput.m
│   ├── getWeakHypothesisOutput.m
│   └── testFloatBoost2.m
├── HMaxModel
│   ├── C1.m
│   ├── C2.m
│   ├── CLSnnC.m
│   ├── CLSnn.m
│   ├── CLSosusvmC.m
│   ├── CLSosusvm.m
│   ├── demoRelease.m
│   ├── extractC2forcell.m
│   ├── extractRandC1Patches.m
│   ├── init_gabor.m
│   ├── maxfilter.m
│   ├── padimage.m
│   ├── readAllImages.m
│   ├── readme.txt
│   ├── sumfilter.m
│   ├── TestHMax
│   │   ├── dispHMaxSegmentResult.m
│   │   ├── drawHMaxErrorCurve.m
│   │   ├── testCBCL.m
│   │   ├── TestHMax.m
│   │   └── trainColorHMaxClassifier.m
│   ├── unpadimage.m
│   └── WindowedPatchDistance.m
├── HMaxModelEx
│   ├── ColorHMaxLearning.m
│   ├── extColorFeaturesForColorHMax.m
│   ├── extractColorHMaxFeatures.m
│   ├── imreadPictures.m
│   ├── RandLColorHMax.m
│   └── TestColorHMax.m
├── PreProcess
│   ├── clearNaNData.m
│   ├── generateFlagPicture.m
│   ├── LabWindowStat.m
│   ├── readWindowSamples.m
│   ├── sampleDistribution.m
│   └── writeFlagFile.m
├── recognition
│   ├── base
│   │   ├── AdaBoostDecisionForImageBlock.m
│   │   ├── AdaBoostDecisionForSample.m
│   │   ├── calDetectRate.m
│   │   ├── CalPixelFrequencyInWindow.m
│   │   ├── dispCombineImage.m
│   │   ├── geneStdDisImage.m
│   │   ├── getStdDisImage.m
│   │   ├── LabelDetectWindow.m
│   │   ├── MultiThreshSegement.m
│   │   └── ThreshSegement.m
│   ├── CankerDR
│   │   ├── ConfuseDiseaseAreaRecognition.asv
│   │   └── ConfuseDiseaseAreaRecognition.m
│   ├── dispWindowingResult.m
│   ├── gui
│   │   └── OrangeDiagnose.m
│   ├── HMax&ColorHMax
│   │   ├── ImageBlockRecognizedByColorHMax.asv
│   │   ├── ImageBlockRecognizedByColorHMax.m
│   │   ├── ImageBlockRecognizedByHMax.asv
│   │   ├── ImageBlockRecognizedByHMax.m
│   │   ├── testColorHMaxPyramid.m
│   │   ├── testColorHMaxSegmentation.m
│   │   └── testHMaxMoveWindowing.m
│   ├── PyramidAnalysis
│   │   ├── PyramidAnalysis.m
│   │   └── testPyramidAnalysis.m
│   ├── testDSDetect.asv
│   ├── testDSDetect.m
│   ├── Windowing
│   │   ├── MoveWindowing.m
│   │   └── testMWSegment.m
│   ├── WindowUnion
│   │   ├── areaRecognition.m
│   │   ├── TestWindowUnion.m
│   │   ├── windowRecognition.asv
│   │   └── windowRecognition.m
│   └── WindowUnionEx
│   ├── areaRecognitionEx.m
│   ├── ImageBlockRecognize
│   │   ├── ImageBlockRecogByAdaBoost.m
│   │   └── ImageBlockRecogByCascadeAdaBoost.m
│   ├── TestWindowUnionEx.asv
│   ├── TestWindowUnionEx.m
│   └── windowRecognitionEx.m
├── RectFeature
│   ├── areaRecognitionExEX.m
│   ├── blockColorDistribute.asv
│   ├── blockColorDistribute.m
│   ├── CankerFeatureCluster.asv
│   ├── CankerFeatureCluster.m
│   ├── extractDirRectFeature.m
│   ├── extractImageRectFeature.m
│   ├── isSampleSimilarToCankerModel.asv
│   ├── isSampleSimilarToCankerModel.m
│   └── testCankerModel.m
├── resultDisp
│   ├── AdaBoostTrainResultShow.m
│   ├── dispMultiImage.m
│   └── disSample.m
├── test
│   ├── detectNegativeSamples.m
│   ├── extractWindowSamplesFeature.m
│   ├── testANN.m
│   ├── TestBG.asv
│   ├── TestBG.m
│   ├── testDistctDisease.m
│   ├── testExtractWindowSamplesFeature.m
│   ├── testGabor.m
│   ├── test.m
│   ├── testpi.m
│   ├── testTrainSamples.asv
│   └── testTrainSamples.m
└── tools
├── dataHist.m
├── detectDuplicated.m
├── extractDirsFeatures.m
├── extractDirsWinsowFeatures.m
├── geneNegativeSamples.m
├── generateFalsePositiveSamples.m
├── generateTrainTestSamples.m
├── getAreaCankerSamples.m
├── HypothesisHibernate.m
├── imageScale.m
├── imageZoom.m
├── labelImage.m
├── randnSelectSubSequence.m
├── RenameFiles.m
├── RTrainSamples.m
├── trainAreaSamples.m
└── trainWindowSamples.m

44 directories, 245 files