模式识别报告二

《模式识别报告二》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第二次试验报告一实验名称贝叶斯分类器设计(最小风险贝叶斯决策和最小错误率贝叶斯抉择)二实验原理=J:小错误率.•合理决策依据：根据后验概率决策已知后验概率P(W!IX),P(w21X)，决策规则：•当P(w,

2、x)>P(w21x)xew］，•当P(Wi

3、x)

4、Wi/X)2.利用决策表和后验概率，计算最小条件风险2.1—般决策表、摘恣白然状*态⑵1如2參參參••e<»1A(a,，叫)A(at，o/j)•••A(')•••A(tti>a/r)A(o?:)•••••••••參參參參參•••參參參參Q(A(at>o/i)A(at,

5、x)=minR(atx)贝ija=ak即xe、vk三实验内容■假定某个局

6、部区域细胞识别中正常(Wl)和非正常(w2)两类先验概率分别为■正常状态：P(wl)=0.9；异常状态：P(w2)=0.1。■现右一系列待观察的细胞，其观察值为X:•3.9847-3.5549•1.2401■0.9780■0.7932•2.8531•2.7605-3.7287-3.5414•2.2692•3.4549•3.0752•3.99342.8792-0.97800.79321.18823.0682-1.5799•1.4885•0.7431•0.4221-1.11864.2532U!•类条件概率分布正态分布分别为(-

7、2,0.5)(2,2)试对观察的结果进行分类。实验步骤及贴步骤：■1.用matlab完成分类器的设计，说明文字程序相应语句，子程序有调用过程。■2.根据例子画出后验概率的分布曲线以及分类的结果示意图。■3.最小风险贝叶斯决策，决策表如下：■重新设计程序，完成基于最小风险的贝叶斯分类器，画出相应的后验概率的分布曲线和分类结果，并比较两个结果。最小风险■最小风险贝叶斯决策：■带红色虚线曲线是异常细胞的条件风险曲线；青色圆圈曲线是正常细胞的条件风险曲线■根据贝叶斯最小风险判决准则，判决结果显示在曲线下方：■五角星代表判决为正常细

8、胞，*号代表异常细胞■各细胞分类结果（0为判成正常细胞，1为判成异常细胞）：■1000000000001101110001011■最小风险l=J:小错误率:■后验概率曲线与判决显示在上图中■后验概率曲线：带红色虚线曲线是判决为异常细胞的后验概率曲线■青色实线曲线是为判为正常细胞的后验概率曲线■根据最小错误概率准则，判决结果显示在曲线下方：■五角星代表判决为正常细胞，*号代表异常细胞■各细胞分类结果（0为判成正常细胞，1为判成异常细胞）：■0000000000000101110001011实验代码1=1«■:小错误率:cle

9、arall;clc;x=[-3.9847-3.5549-1.2401-0.9780-0.7932-2.8531-2.7605-3.7287-3.5414-2.2692-3.4549-3.0752-3.99342.8792-0.97800.79321.18823.0682-1.5799-1.48850.7431-0.4221-1.11864.2532]pwl=0.9;pw2=0.1;el=-2;al=0.5;e2=2;a2=2;m=numel(x);pwl_x=zeros(l,m);pw2_x=zeros(l,m);%得到待

10、测细胞个数%存放对wl的后验概率矩阵%存放对w2的盾验概率矩阵fori=l:m%计算在wl下的后验概率pwl_x(i)=(pwl*normpdf(x(j),el/al))/(pwl*normpdf(x(j),el,al)+pw2*normpdf(x(i),e2/a2));%计算在w2下的后验概率pw2_x(i)=(pw2*normpdf(x(i),e2,a2))/(pwl*normpdf(x(i),el,al)+pw2*normpdf(x(i),e2,a2));endfori=l:mifpwl_x(i)>pw2_x(i)%

11、比较两类后验概率result⑴=0;%正常细胞elseresult⑴=1;%异常细胞endenda=[-5:0.05:5];%収样本点以画图n=numel(a);pwl_plot=zeros(l,n);pw2_plot=zeros(l,n);forj=l:npwl_plot(j)=(pwl*normpd