资源描述：
《贝叶斯分类算法实验报告》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、为了适应公司新战略的发展，保障停车场安保新项目的正常、顺利开展，特制定安保从业人员的业务技能及个人素质的培训计划贝叶斯分类算法实验报告 装 订 线 模式识别实验报告：学院计算机科学与技术 专业xxxxxxxxxxxxxxxx 学号xxxxxxxxxxxx 姓名xxxx 指导教师xxxx XX年xx月xx日 题目 Bayes分类器设计 一、实验目的 对模式识别有一个初步的理解，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，理解二类分类器的设计原理。 二、实验原理 最小风险贝叶斯决策可按下列步骤进行： (1)在已知 叶斯公式计算出后验
2、概率：??? 及给出待识别的X的情况下，根据贝目的-通过该培训员工可对保安行业有初步了解，并感受到安保行业的发展的巨大潜力，可提升其的专业水平，并确保其在这个行业的安全感。为了适应公司新战略的发展，保障停车场安保新项目的正常、顺利开展，特制定安保从业人员的业务技能及个人素质的培训计划 (2)利用计算出的后验概率及决策表，按下面的公式计算出采取 险 的条件风 (3)对(2)中得到的a个条件风险值 风险最小的决策 ???? 则就是最小风险贝叶斯决策。，即进行比较，找出使其条件三、实验内容假定某个局部区域细胞识别中正常和非正常两类先验概率分别为正常状态：P=；
3、异常状态：P=。 现有一系列待观察的细胞，其观察值为x： --- --- - -- 已知类条件概率是的曲线如下图： 类条件概率分布正态分布分别为N、N 试对观察的结果进行分类。 四、实验要求目的-通过该培训员工可对保安行业有初步了解，并感受到安保行业的发展的巨大潜力，可提升其的专业水平，并确保其在这个行业的安全感。为了适应公司新战略的发展，保障停车场安保新项目的正常、顺利开展，特制定安保从业人员的业务技能及个人素质的培训计划 1）用matlab完成基于最小错误率的贝叶斯分类器的设计，要求程序相应语句有说明文字，要求有子程序的调用过程。 2）根据例子画出
4、后验概率的分布曲线以及分类的结果示意图。 3）如果是最小风险贝叶斯决策，决策表如下： 最小风险贝叶斯决策表： 请重新设计程序，完成基于最小风险的贝叶斯分类器，画出相应的条件风险的分布曲线和分类结果,并比较两个结果。 五、实验程序 最小错误率贝叶斯决策 分类器设计 x=[--------- ---]pw1=pw2=e1=-2;a1=e2=2;a2=2m=numel(x)%得到待测细胞个数 pw1_x=zeros(1,m)%存放对w1的后验概率矩阵 pw2_x=zeros(1,m)%存放对w2的后验概率矩阵 results=zeros(1,m)%存放比较结
5、果矩阵 fori=1:m %计算在w1下的后验概率目的-通过该培训员工可对保安行业有初步了解，并感受到安保行业的发展的巨大潜力，可提升其的专业水平，并确保其在这个行业的安全感。为了适应公司新战略的发展，保障停车场安保新项目的正常、顺利开展，特制定安保从业人员的业务技能及个人素质的培训计划 pw1_x(i)=(pw1*normpdf(x(i),e1,a1))/(pw1*normpdf(x(i),e1,a1)+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))/(pw1*norm
6、pdf(x(i),e1,a1)+pw2*normpdf(x(i),e2,a2))end fori=1:m ifpw1_x(i)>pw2_x(i)%比较两类后验概率 result(i)=0%正常细胞 else result(i)=1%异常细胞 end end a=[-5::5]%取样本点以画图n=numel(a) pw1_plot=zeros(1,n) pw2_plot=zeros(1,n) forj=1:n pw1_plot(j)=(pw1*normpdf(a(j),e1,a1))/(pw1*normpdf(a(j),e1,a1)+pw2*normp
7、df(a(j),e2,a2))%计算每个样本点对w1的后验概率以画图 pw2_plot(j)=(pw2*normpdf(a(j),e2,a2))/(pw1*normpdf(a(j),e1,a1)+pw2*normpdf(a(j),e2,a2))end目的-通过该培训员工可对保安行业有初步了解，并感受到安保行业的发展的巨大潜力，可提升其的专业水平，并确保其在这个行业的安全感。为了适应公司新战略的发展，保障停车场安保新项目的正常、顺利开展，特制定安保从业人员的业务技能及个人素质的培训计划 figure(1) ho
