JAVA Swing实现感知机

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/u010992313/article/details/72726211

一、实现原理

感知机是二类分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取值+1或者-1。感知机对应于输入空间中将实例划分为正负两类的分离超平面，感知机学习旨在求出将训练数据正确分类的分离超平面。导入了基于误分类的损失函数，利用随机梯度下降法，对损失函数进行极小化，求得感知机模型。感知机学习算法具有原始形式和对偶形式，在本文中，我们使用对偶形式对训练数据处理。

Swing 是一个为Java设计的GUI工具包。Swing是JAVA基础类的一部分。Swing包括了图形用户界面（GUI）器件如：文本框，按钮，分隔窗格和表。

Swing提供许多比AWT更好的屏幕显示元素。它们用纯Java写成，所以同Java本身一样可以跨平台运行，这一点不像AWT。它们是JFC的一部分。它们支持可更换的面板和主题（各种操作系统默认的特有主题），然而不是真的使用原生平台提供的设备，而是仅仅在表面上模仿它们。这意味着你可以在任意平台上使用JAVA支持的任意面板。轻量级组件的缺点则是执行速度较慢，优点就是可以在所有平台上采用统一的行为。 

在本文中，作者使用Java语言实现了感知机模型，并且使用swing工具包实现了感知机的可视化输入和结果处理，效果令人满意。

二、实现思路

使用JTextField实现输入数据，为JButton按钮添加ActionListener事件监听器执行相应的行为，并且把对应的事件监听器添加到相应的文本框中，使用JTextArea显示处理结果。

原始训练数据和对偶训练数据的事件监听器是整个程序的核心，也是数据挖掘知识部分。

手动输入需要处理的数据，因此首先确定维数以及训练数据个数，然后逐个输入。每一步都使相对应的组件处于可编辑或可使用状态，而其他组件处于不可编辑或不可食用状态，引到用户行为。

三、实现过程

（一）布局

首先，设想整个程序能够实现的功能：

1. 输入特征空间的维数以及训练数据的个数；
2. 输入训练数据  ；
3. 输入学习率  ；
4. 感知机学习算法的原始形式和对偶形式；
5. 预测数据；
6. 显示结果。
7. 再把所要的控件以合理的顺序放置到窗体。

（二）初始化

标识名	类型	说明
xData	double[][]	存储训练数据的特征值
yData	double[]	存储训练数据的类型
dim	int	特征空间维数
num	int	训练数据个数
learn	double	学习率
alpha	double[]	对偶形式的
w	double[]	原始形式的w向量
b	double	中的b
gram	double[][]	对偶形式用到的gram矩阵
i_d	int	x的迭代器，判断为第i_d+1个特征
i_n	int	y的迭代器，判断为第i_n+1个训练数据
isPredict	boolean	判断是否为预测步骤
x	double[]	保存预测的x值
is2	boolean	判断是否为对偶形式训练数据

在构造函数中进行变量初始化，在进行组件状态初始化：由于我们根据组件是否可编辑和可执行来引到用户操作，所以只把每一步要进行操作组件设置成可编辑和可执行，具体是：JTextField 的 setEditable() 函数可以设置是否可编辑，JButton 的 setEnabled() 函数可以设置是否可执行。

 “清空”、“重置”按钮始终可用，目的是使用户随时能够重置程序状态以及清空输出窗口，以下步骤不会改变其状态，所以不再描述两按钮状态变化。

开始时，维数输入框以及“确定”按钮可用。

（三）程序逻辑

0.点击“重置”回到程序开始状态；点击“清空”，清空窗口已有内容。

1. 在维数输入框内输入维数，点击“确定”按钮或者回车，在窗口输出维数。

2.在组数输入框中输入组数，点击“确定”按钮或者回车，在窗口输出组数。

3.输入每一组训练数据的类型以及分量值，点击“添加”按钮或者回车，在窗口输出值。

4.输入学习率，点击“原始训练数据”或“对偶训练数据”按钮，在窗口输出结果。

5.点击“输入预测特征”，输入要预测的数据特征值，点击“预测”，在窗口输出结果。

 

（四）具体实现

为“添加”按钮添加事件监听器（AddListener），若为预测状态（isPredict），则将预测特征值添加到x数组；若是输入类别状态（yText.isEditable()），则将类别值输入到yData数组对应位置；若是输入特征状态（xText.isEditable()），则将特征值输入到xData数组对应位置。

为“确定”按钮添加事件监听器（OkListener），若为输入维数状态（dimText.isEditable()），则输入维数到dim变量；若为输入组数状态（numText.isEditable()），则输入组数到num变量，并且初始化程序所有的数组。

为“原始训练数据”和“对偶训练数据”按钮添加对应的事件监听器（TrainListener和Train2Listener），并且记录训练数据的形式（is2）。

原始形式代码：

learn = Double.parseDouble(str);
//原始形式，学习模型
boolean isPre = true;   //isPre判断是否存在误分类点
while(isPre)
{
    isPre = false;
    for(int i = 0; i < num; i++)
    {
        if(yData[i]*(multiply(w,xData[i])+b)<=0)
        {
            showText.append("误分类点为：  ("+(i+1)+")\t");
            //更新w,显示
            for(int k =0;k <dim;k++)
            {
                w[k] = w[k] + learn*yData[i]*xData[i][k];
                showText.append("w"+(k+1)+":    "+w[k]+"\t");
            }
            b +=learn*yData[i];
            showText.append("b:  "+b+"\n");
            isPre = true;
            break;
        }
    }
}

对偶形式代码：

learn = Double.parseDouble(str);
//初始化gram矩阵
for(int i = 0 ; i < num;i++)
{
    for(int j = 0;j < num;j++)
    {
        for(int k = 0; k < dim; k++)
        {
            gram[i][j] += xData[i][k]*xData[j][k];  
        }
    }
}
boolean isPre = true;   //isPre判断是否存在误分类点
while(isPre)
{
    isPre = false;
    for(int i = 0; i < num; i++)
    {
        double sum = 0;
        for(int j = 0;j < num; j++)
        {
            sum += alpha[j]*yData[j]*gram[j][i];
        }
        if(yData[i]*(sum+b)<=0)
        {
            showText.append("误分类点为：  ("+(i+1)+")\t");
            alpha[i] +=learn;
            for(int k = 0;k<num;k++)
            {
                showText.append("alpha"+(k+1)+":     "+alpha[k]+"\t");
            }
            b +=learn*yData[i];
            showText.append("b:  "+b+"\n");
            isPre = true;
            break;
        }
    }
}

为“输入预测特征”按钮添加事件监听器（InputListener），记录状态（isPredict）以及初始化状态。

为“预测”按钮添加事件监听器（PredictListener），根据训练数据形式选择相对应的预测行为。

为“重置”按钮和“清空”按钮添加事件监听器（ResetListener和CleanListener），并完成相应操作。

四、实现结果

训练数据集：正实例点：x1=(3,3)',x2=(4,3)' ；负实例点：x3=(1,1)' ，学习率为1  ，并预测x=(2,2)' 的类别。

原始形式：

预测：

对偶形式：

预测：

五、代码下载

Java感知机

六、参考资料

《统计学习方法》 李航 清华大学出版社