资源描述：
《模式识别与人工智能》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、.模式识别与人工智能（2015—2016学年第二学期）姓名：学号：专业：控制科学与工程成绩评定：2016年5月9日引言模式识别与人工智能是60年代迅速发展起来的一门学科，属于信息，控制和系统科学的范畴。模式识别就是利用计算机对某些物理现象进行分类，在错误概率最小的条件下，使识别的结果尽量与事物相符。模式识别技术主要分为两大类：基于决策理论的统计模式识别和基于形式语言理论的句法模式识别。模式识别的原理和方法在医学、军事等众多领域应用十分广泛。模式识别与人工智能事实上是典型的多学科交叉：数学、信息科学、
2、计算机科学、控制科学、生理 学、心理学、认知科学和哲学等。正由于此，吸引了众多学科的科学家、工程技术人员致力于模式识别的研究和开发。模式识别 研究模式的自动处理和判读的数学技术科学。 模式识别中的最基本的问题是解决模式的分类。 较全面地看，研究模式的描述、分析、分类、理解和综合。 更高层次的模式识别应该还包括对模式的学习、判断、自适应、自寻优和自动 发现规律等。 所以模式识别在某种意义上和人工智能中的“学习”或“概念形成”相近。模式识别与机器智能的结合将开辟广阔的前景。模式识别分类主要有数据预处理，
3、特征提取、分类器，特征预测评估等。主要研究为贝叶斯决策、线性判别函数，非线性判别函数，近邻法、特征提取、聚类分析等。模式识别的研究是确定一个样本的类别属性（模式类）的过程，即把某一样本归属于多个类型中的某个类型。是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。模式识别与统计学、心理学、语言学、计算机科学、生物学、控制论等都有关系。它与人工智能、图像处理的研究有交叉关系。例如自适应或自
4、组织的模式识别系统包含了人工智能的学习机制。又如模式识别中的预处理和特征抽取环节应用图像处理的技术；图像处理中的图像分析也应用模式识别的技术。目录引言2第一题K均值算法4第二题感知准则函数7第三题KPCA方法在ORL人脸数据库中实现人脸识别10程序附录14第一题K均值算法已知数据样本为：(x1,x2,…,x20)={（0，0），（1，0），（0，1），（1，1），（2，1），（1，2），（2，2），（3，2），（6，6），（7，6），（8，6），（6，7），（7，7），（8，7），（9，7），（7，
5、8），（8，8），（9，8），（8，9），（9，9）}，试用C（C=2）均值法进行分类，给出程序和每一次类心的变化过程，汇出动态聚类过程。1原理K均值算法使用的聚类准则函数是误差平方和准则，通过反复迭代优化聚类结果，使所有样本到各自所属类别的中心的距离平方和达到最小。2步骤第一步：K=2，选初始聚类中心为第二步：将待分类的模式特征集{xi}中的模式逐个按最小距离原则划分给K类中的某一类，即：第三步：计算重新分类后的各聚类中心，即：第四步：3实验结果图像显示用Matlab做仿真，图像如下：z1=1.2
6、5001.1250z2=7.66677.3333Y1=1.00001.25001.250001.12501.1250Y2=9.00007.66677.66679.00007.33337.3333G1=0101212300111222G2=Columns1through9678678978666777788Columns10through12989899第二题感知准则函数有两类样本ω1=（x1,x2）={(1,0,1)T,(0,1,1)T}，ω2=（x3,x4）={(1,1,0)T,(0,1,0)T}
7、编写程序，用感知准则函数法求判别函数。1.原理感知器是用于线性可分的的模式分类中的一种最简单的神经网络模型，它由美国Rosenblatt于1957年提出的有监督学习(有导师学习)神经网络模型，其学习算法于1958年提出。所以这一类感知器也称为Rosenblatt感知器，它是由一个线性组合器和一个限幅器组成。其信号流图模型如下图所示：图2-1感知器模型的求和节点作用于输入与权值的线性组合同时也合并外部作用的偏置。求和节点计算的得到的结果，也就是诱导局部域，被作用于硬限幅器，相应地，当硬限幅器输入为正时
8、，其输出为+1，反之为-1。在感知器模型中，为感知器的权值，为感知器的输入。为外部偏置。从而感知器的诱导局部域为(2.1)感知器的目的是把外部作用正确地分为两类，分类的规则是如果感知器输出的y是+1则将表示的分类点分配给类，如果感知器输出y为-1，则将表示的分类分配给类。最简单的感知器中存在着被一个超平面分开的两个决策区域，此超平面的定义为(2.2)其决策面的示意图如下图所示：图2-2在此图中，表示感知器的输入，和表示所分的类。决策面的边界即为。2.步骤感知器能够正确
