模式识别4次作业汇总

《模式识别4次作业汇总》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、北京工商大学模式识别作业汇总（2014年秋季学期）课程名称：模式识别专业班级：计研141班学生姓名：董文菲刘倩指导教师：于重重成绩：2015年1月20日第一次课的作业1.在Matlab环境下，利用第一题中给了matlab程序，尝试声音识别过程，并把程序流程图画出。解：程序实现了识别“kiss”与“love”两个声音的界面图。程序流程图如下：2.运行网址http://www.wcl.ece.upatras.gr/en/ai/resources/demo-emotion-recognition-from-speech上的javaapplet，了解声音识别的

2、过程。解：智能对话系统的测试点如下图所示，该智能对话系统可以通过语音交互获取信息，控制娱乐设备等智能应用。情感识别的构成如下图：情感识别依赖于先进的音频参数化技术，利用高斯混合模型训练情绪识别模型。目前负面情绪的识别得到了很好的结果。3.选择鸢尾花数据集（iris，网上下载），并尽可能多地使用《数据挖掘导论第三章》介绍的不同的可视化技术完成数据预处理（可参看第三章资料中的辅助ppt），形成报告。文献注释和该书网站提供了可视化软件的线索。解：（1）分类选择朴素贝叶斯分类器算法，训练选项选择交叉验证，即把数据集分成若干份，1份作为验证集，其余部分作为训练集

3、合。这样的方法保证了数据集的所有元素都被验证过。这里把数据集分为10份来进行训练。分类器运行的信息，分类器训练的结果，分类器验证验证的结果、准确性计算等信息如下：Visualize信息图，3种类别用不同颜色表示出来。可以从图中看出哪些属性的组合具有较好的区分度。（2）离散化(discretize):类weka.filters.supervised.attribute.Discretize和weka.filters.unsupervised.attribute.Discretize。分别进行监督和无监督的数值属性的离散化，用来离散数据集中的一些数值属性到

4、分类属性。unsupervised.attribute.Discretize:supervised.attribute.Discretize（2）规范化(Nomalize):类weka.filters.unsupervised.attribute.Normalize。规范化给定数据集中的所有数值属性值，类属性除外。结果值默认在区间[0,1]，但是利用缩放和平移参数，我们能将数值属性值规范到任何区间。如：但scale=2.0，translation=-1.0时，你能将属性值规范到区间[-1,+1]。（2）标准化(standardize)：类weka.fi

5、lters.unsupervised.attribute.Standardize。标准化给定数据集中所有数值属性的值到一个0均值和单位方差的正态分布。第二次课的作业请查一下这里列出来的所有方法，并用实例实现（并在软件中实施一下，任何软件环境都可以。）1.解：属性有四种类型：标称、序数、区间、比率。其中标称和序数属性统称分类的或定性的。区间和比率是数值的或定量的。1）众数一组数据中出现次数最多的数据就是这组数据的众数。2）x2检验亦称卡方检验。统计学中假设检验的方式之一。x是一个希腊字母，x2可读音为卡方，所以译为卡方检验。卡方检验主要用于定类或定序变量

6、的假设检验，在社会统计中应用非常广泛。卡方检验的步骤一般为：（1）建立假设，确定显著水平a与自由度df、查x2值表得到否定域的临界值；（2）由样本资料计算x2值；（3）将计算所得的x2值与临界x2值（负值都取绝对值）作比较，若计算值大于临界值，则否定Ⅱ0；反之，则承认Ⅱ0。计算卡方值的公式一般可表示为：x2=∑[（fo—fc）2/fc]式中：fo表示实际所得的次数，fc表示由假设而定的理论次数，∑为加总符号。x2检验对于定类与定类或定类与定序变量之间的相关检验应用较多。例：用卡方检验拟合优度：[h,p,st]=chi2gof(bins,'ctrs',b

7、ins,...'frequency',obsCounts,...'expected',expCounts)bin：有n组数值则:bin=0:（n-1）；obsCounts：观测值expCounts：期望值h,p,st：返回值3）符号检验符号检验法：是通过两个相关样本的每对数据之差的符号进行检验，从而比较两个样本的显著性。具体地讲，若两个样本差异不显著，正差值与负差值的个数应大致各占一半。符号检验与参数检验中相关样本显著性t检验相对应，当资料不满足参数检验条件时，可采用此法来检验两相关样本的差异显著性。根据符号检验判断差异显著性时也要查表找出相应的临界值

8、。但特别应注意的是在某一显著性水平下，实得的r值大于表中r的临界值时，表示差异不显著，这一点与