资源描述：
《云南大学研一模式识别上机作业》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、云南大学2015-2016学年上学期研究生期末试题上机实践部分课程名称：模式识别任课老师：梁虹学号：12015000946姓名：席梦龙、两类学习样木（0和0）特征数据如下表示。请编写感知梯降法求线性判别函数的程序，并将该程序应用于下表数据，求出两类模式的线性判别函数权向量W,分析步长值及初始权向量对算法的影响。样本CD、◎兀］兀2x210」1.1-3.0-2.926.87.10.58.73-3.5-4.12.92.142.02.7-0.15.254.12.8402.263」5.0-1.33.77-0.8-1.3-3.46.280.91.2-4.13.495.06.4-5.11.6103.9
2、4.01.95.1编写MATLAB代码如下：p=o.i；k=0；L=length(W(：z1))；Ak=ones(L,1);while(1)k=k+l；fori=l:4g=Ak'*W(:zi)；ifi<=2ifg>0Ak=Ak；endifg<=0Ak=Ak+p*W(:，i);endendifi>=3ifg<0Ak=Ak;endifg>=0Ak=Ak-p*W(:,i);endendAkMax(:xi)=Ak；end[LB,LA]=size(AkMax);fori=l:LAAkMax(：,i)=AkMax(：,i)-Ak；endifAkMax==zeros(LB,LA)Akbreak；ende
3、ndk将题屮数据输入，即可求出权向量。下面测试步长值及初始权向量对算法的影响：1•当步长为p=l,初始向量全为1吋，此吋迭代次数k=2,结果如下：Ak=1.00004.0000-0.9000-4.6000-2.20002.90000.4000-6.0000-1.50004.4000-0.2000当p=0.11,初始向量全为1吋，此时迭代次数k=5,结果如下：Ak=0.78001.9680・1.12300.0780-0.49600.72500」200-1.1340-0.02301.0220-0.2540当p=0.01,初始向量全为211寸，此时迭代步数k=19,结果如下：Ak=0.64001
4、.5220-0.56600.62200.06400.60400.3340-0.11600.38800.71200.0820结论：由上述结果可知：1.迭代步长越小，迭代次数越多。但迭代步长太小迭代次数将增加很多，迭代步长太大，将可能搜索不到满足条件的权值，应根据实际要求选择合适的步长。2.初始向量会对迭代步数产生影响，选择合适的初始向量冇利于算法的优化。3.当初始权向量一定时，步长增大，线性判别函数权向量也随Z相应增大，并呈现成比例关系。当步长一定时，初始权向量的改变，线性判别函数权向量变化不大，样木分类结果大致一致，但初始权向量的取值可以影响算法的迭代收敛次数。二、编写k■均值算法程序，并
5、用该程序在下列指定类别数和初始聚类屮心情况下，对表中数据进行测试，分析比较两种情况下算法实现结果的差异。(要求给出算法流程图，写出实现算法的程序，给出表屮数据的测试和分析结果)(1)k=2,m,(O)=(l,l,l)r,m2(O)=(-l,l,-l)r(2)k=2,“(0)=(0,0,0)二m2(0)=(l,l,-l)r注：£为聚类数目，厲(0)、加2(0)为初始聚类中心。样本兀1x2兀3样本兀1x21・-7.82-4.58-3.97116.182.815.822-6.683.162.71126.72-0.93-4.0434.36-2.192.0913-6.25-0.260.5646.72
6、0.882.8014-6.94-1.221」35・8.643.063.50158.090.202.256-6.870.57-5.45166.810.1741574.47-2.625.7617-5.194.244.0486.73-2.014.1818-6.38-1.741.439-7.712.34633194.081.305.3310-6.91-0.49-5.68206.270.93-2.78•、算法设计如下:首先构造如下函数，求两向量间的欧式距离：function[D]=ODistance(h1,h2);%求向量hl,h2的欧式距离N=length(hl);hl二hl：h2=h2：D=0;
7、fori=l:ND=D+(hl(i)-h2(i))A2;D=sqrt(D);end然后程序设计如下：»clears(:,l)=[-7.82,-4.58,-3.97]':s(:,2)=[-6.68,3.16,2.71]':s(:,3)=[4.36,-2.19,2.09]':s(:,4)=[6.72,0.88,2.8]';s(:,5)=[-8.64,3.06,3.5]";s(:,6)=[-6.87,0.57,-5.45]':
