基于fisher准则的线性分类器设计

《基于fisher准则的线性分类器设计》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、模式识别实验基于Fisher准则的线性分类器设计一、实验目的：1.进一步了解分类器的设计概念，能够根据自己的设计对线性分类器有更深刻地认识；2.理解Fisher准则方法确定最佳线性分界面方法的原理，以及拉格朗日乘子求解的原理。二、实验条件：1.PC微机一台和MATLAB软件。三、实验原理：设有一个集合包含N个d维样本，其中个属于类，个属于类。线性判别函数的一般形式可表示成,其中。根据Fisher选择投影方向的原则，即使原样本向量在该方向上的投影能兼顾类间分布尽可能分开，类内样本投影尽可能密集的要求，用以评价投影方向的函

2、数为：　其中：为类中的第个样本为类内离散度，定义为：为类间离散度，定义为：上面的公式是使用Fisher准则求最佳法线向量的解，我们称这种形式的运算为线性变换，其中是一个向量，是的逆矩阵，如是维，和都是×维，得到的也是一个维的向量。向量就是使Fisher准则函数达极大值的解，也就是按Fisher准则将维空间投影到一维空间的最佳投影方向，该向量的各分量值是对原7模式识别实验维特征向量求加权和的权值。以上讨论了线性判别函数加权向量的确定方法，并讨论了使Fisher准则函数极大的维向量的计算方法，但是判别函数中的另一项尚未确定

3、，一般可采用以下几种方法确定如　或者或当与已知时可用　　　　当确定之后，则可按以下规则分类，　　　　　　一、实验内容：（以下例为模板，自己输入实验数据）已知有两类数据和二者的概率已知=0.6，=0.4。中数据点的坐标对应一一如下：=0.23311.52070.64990.77571.05241.19740.29080.25180.66820.56220.90230.1333-0.54310.9407-0.21260.0507-0.08100.73150.33451.0650-0.02470.10430.31220.66

4、550.58381.16531.26530.8137-0.33990.51520.7226-0.20150.4070-0.1717-1.0573-0.2099=2.33852.19461.67301.63651.78442.01552.06812.12132.47971.51181.96921.83401.87042.29481.77142.39391.56481.93292.20272.45681.75231.69912.48831.72592.04662.02262.37571.79872.08282.07987模

5、式识别实验1.94492.38012.23732.16141.92352.2604=0.53380.85141.08310.41641.11760.55360.60710.44390.49280.59011.09271.07561.00720.42720.43530.98690.48411.09921.02990.71271.01240.45760.85441.12750.77050.41291.00850.76760.84180.87840.97510.78400.41581.03150.75330.9548数据点的

6、对应的三维坐标为:=1.40101.23012.08141.16551.37401.18291.76321.97392.41522.58902.84721.95391.25001.28641.26142.00712.18311.79091.33221.14661.70871.59202.93531.46642.93131.83491.83402.50962.71982.31482.03532.60301.23272.14651.56732.9414=1.02980.96110.91541.49010.82000.939

7、91.14051.06780.80501.28891.46011.43340.70911.29421.37440.93871.22661.18330.87980.55920.51500.99830.91200.71261.28331.10291.26800.71401.24461.33921.18080.55031.47081.14350.76791.1288=0.62101.36560.54980.67080.89321.43420.95080.73240.57841.49431.09150.76441.21591.

8、30491.14080.93980.61970.66031.39281.40840.69090.84000.53811.37290.77310.73191.34390.81420.95860.73790.75480.73930.67390.86511.36991.1458数据的样本点分布如下图：7模式识别实验根据所得结果判断（1，