模式识别实验1报告

《模式识别实验1报告》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、模式识别实验一报告正态分布的分类器设计一、实验目的：1.对模式识别有一个初步的理解2.能够根据自己的设计对贝叶斯决策理论算法有一个深刻地认识3.熟悉单元和多元正态分布分类器、判别函数二、实验条件：matlab软件三、实验原理：对于具有多个特征参数的样本，其正态分布的概率密度函数可定义为式中，是维行向量，是维行向量，是维协方差矩阵，是的逆矩阵，是的行列式。本实验我们采用最小错误率的贝叶斯决策，使用如下的函数作为判别函数…其中为类别发生的先验概率，为类别的类条件概率密度函数。由其判决规则，如果使对一切

2、成立，则将归为类。我们根据假设：类别，i=1,2,……,N的类条件概率密度函数，i=1,2,……,N服从正态分布，即有~，那么上式就可以写为对上式右端取对数，可得如果gi（x）=maxgj（x）(j=1,2,3,…)则x∈wi；四、实验内容1(b)、写一个程序计算一个给定正态分布及先验概率P(wi)的判别函数；2(a)、假设前面两个先验概率相等，P(w1)=P(w2)=1/2，P(w3)=0，仅利用x1的值特征值为这两个类别判别设计一个分类器；2(d)、用两个特征值x1、x2重复2(a)步骤；2(

3、e)、利用所有的特征值重复以上各步；4、（a）、以下各测试点与2中各类别均值间的Mahalanobis距离分别是多少？(1,2,1),(5,3,2),(0,0,0),(1,0,0)。（b）、对以上各点进行分类；（c）、若设P(w1)=0.8，P(w2)=P(w3)=0.1，再对以上测试点进行分类。五、实验步骤：1(b)、写一个程序计算一个给定正态分布及先验概率P(wi)的判别函数；2(a)、A．先输入x的特征值x，B.获取类别w1、w2的10个样本值的一维x1均值向量miu1、miu2和协方差矩阵

4、sigma1、Sigma2；C.维数d=1；pw1=1/2;pw2=1/2;D.把以上已知量代入判别函数gi（x）中求得g1和g2，E.比较g1和g2，哪个值大就判别为哪个类别！2(d)、A先输入特征向量x[](1*2)；B获取类别w1、w2的10个样本值的二维x1和x2的均值向量miu1、miu2和协方差矩阵sigma1、Sigma2；C维数d=2；pw1=1/2;pw2=1/2;D.把以上已知量代入判别函数gi（x）中求得g1和g2，E.比较g1和g2，哪个值大就判别为哪个类别！2(e)、A先

5、输入特征向量x[](1*3)；B获取类别w1、w2的10个样本值的三维x1、x2、x3的均值向量miu1、miu2和协方差矩阵sigma1、sigma2；C维数d=2；pw1=1/2;pw2=1/2;D把以上已知量代入判别函数gi（x）中求得g1和g2，E比较g1和g2，哪个值大就判别为哪个类别！4、（a）、用以下(1,2,1),(5,3,2),(0,0,0),(1,0,0)各测试点与2中各类别均值求出Mahalanobis距离分别M1、M2、M3。（b）、对第一个点：A维数d=2，先验概率pw1

6、=1/3;pw2=1/3;pw3=1/3;B获取类别w1、w2、w3的10个样本值的三维x1、x2、x3的均值向量miu1、miu2、miu3和协方差矩阵sigma1、sigma2、sigma3；C待判别值x=[121]D把以上已知量代入判别函数gi（x）中求得g1，g2和g3E比较g1，g2和g3，哪个值大就判别为哪个类别！F改变待判别值重复上述步骤。（c）、令P(w1)=0.8，P(w2)=P(w3)=0.1重复上述步骤4（b）。六、实验数据1(b)、判别函数gi：2(a)、输入：输出2(d)

7、、输入：输出2(e)、输入：输出4、（a）、输出（b）、输出（c）、输出七、实验心得通过本次试验，我进一步了解分类器的设计概念，对模式识别的实际数值计算有了更多的了解，同时根据自己的设计对单元和多元正态分布分类器、判别函数有更深刻地认识，并通过本次试验基本理解Mahalanobis距离求解的原理。同时，运用Matlab的水平较前一个实验又有了一定的提高，在实验中看到自己的进步，自己的信心又增加了一些，这对以后的学习和实践都会有一定的影响。