feisher线性判别分类器的设计实验报告.doc

feisher线性判别分类器的设计实验报告.doc

ID:59006509

大小:79.00 KB

页数:5页

时间:2020-09-15

feisher线性判别分类器的设计实验报告.doc_第1页
feisher线性判别分类器的设计实验报告.doc_第2页
feisher线性判别分类器的设计实验报告.doc_第3页
feisher线性判别分类器的设计实验报告.doc_第4页
feisher线性判别分类器的设计实验报告.doc_第5页
资源描述:

《feisher线性判别分类器的设计实验报告.doc》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、实验二Fisher线性判别实验一、实验目的应用统计方法解决模式识别问题的困难之一是维数问题,低维特征空间的分类问题一般比高维空间分类问题简单。因此,人们力图将特征空间进行降维,降维的一个基本思路是将d维特征空间投影到一条直线上,形成一维空间,这在数学上比较容易实现。问题的关键是投影之后原来线性可分的样本可能变为线性不可分。一般对于线性可分的样本,总能找到一个投影方向,使得降维后样本仍然线性可分。如何确定投影方向使得降维以后,样本不但线性可分,而且可分性更好(即不同类别的样本之间的距离尽可能远,同一

2、类别的样本尽可能集中分布),就是Fisher线性判别所要解决的问题。本实验通过编制程序让初学者能够体会Fisher线性判别的基本思路,理解线性判别的基本思想,掌握Fisher线性判别问题的实质。二、实验原理Fisher线性判别分类器(FisherLinearDiscriminantAnalysis,FLDA),此方法的基本思想是在Fisher准则下,先求解最佳鉴别矢量,然后将高维的样本投影到最佳鉴别矢量张成的空间,使投影后的样本在低维空间有最大类间距离和最小类内距离,这样在低维空间中样本将有最佳的

3、可分性,分类是一项非常基本和重要的任务,并有着极其广泛的应用。分类是利用预定的已分类数据集构造出一个分类函数或分类模型(也称作分类器),并利用该模型把未分类数据映射到某一给定类别中的过程。分类器的构造方法很多,主要包括规则归纳、决策树、贝叶斯、神经网络、粗糙集、以及支持向量机(SVM)等方法。其中贝叶斯分类方法建立在贝叶斯统计学[v1和贝叶斯网络[s1基础上,能够有效地处理不完整数据,并且具有模型可解释、精度高等优点,而被认为是最优分类模型之一[9]。尤其是最早的朴素贝叶斯分类器[l0l虽然结构简

4、单,但在很多情况下却具有相当高的分类精度,可以达到甚至超过其它成熟算法如c4.5[l’]的分类精度,而且对噪声数据具有很强的抗干扰能力。因此,对贝叶斯分类算法的深入研究,无论对其理论的发展,还是在实际中的应用,都具有很重要的意义。三、实验说明及要求1.Fisher准则函数为:2.各类样本均值向量=,i=1,23.样本类内离散矩阵和总类内离散矩阵.4.样本类间离散矩阵=三、实验过程及结果1、给出样本及确定类别m1和m2第一类样本放在m1中,第二类样本放在m2中。2、编程产生样本的协方差矩阵、平均值、

5、总协方差,用Fisher线性判别方法对三维数据求最优方向W的通用函数。求取数据分类的Fisher投影方向的程序如下:其中w为投影方向,总类内散度Sw,均值是u1,u2。clearclc…….w=inv(Sw)*(u1-u2)';3、对下面表1-1样本数据中的类别m1和m2计算最优方向W。4、画出最优方向W的直线,并标记出投影后的点在直线上的位置。表1-1Fisher线性判别实验数据类别m1m2样本X1X2X3X1X2X31-0.40.580.0890.831.6-0.0142-0.310.27-0

6、.041.11.60.483-0.380.055-0.035-0.44-0.410.324-0.150.530.0110.047-0.451.45-0.350.470.0340.280.353.160.170.690.1-0.39-0.480.117-0.0110.55-0.180.34-0.0790.145、画出投影前的两类样本点和投影线。a)figure(1)b)plot3(x1,y1,z1,'r*',x2,y2,z2,'b*');6、画出投影后的两类样本点和投影线。c)figure(2)d)

7、x=-1:0.1:1;e)y=w(2,1)/w(1,1)*x;f)z=w(3,1)/w(1,1)*x;g)plot3(x,y,z);holdon7、选择决策边界,实现新样本xx1=(-0.7,0.58,0.089),xx2=(0.047,-0.4,1.04)的分类编程判断xx1和xx2分别属于哪一类?8、程序运行结果如图1-1和图1-2所示。图1-1试验程序(matlab版):clearclccloseall;%m1,m2均为10个样本%m1=[-0.4,0.58,0.089;-0.31,0.27

8、,-0.04;0.38,0.055,-0.035;-0.15,0.53,0.011;-0.35,0.47,0.034;0.17,0.69,0.1;-0.011,0.55,-0.18];%m2=[0.83,1.6,-0.014;1.1,1.6,0.48;-0.44,-0.41,0.32;0.047,-0.45,1.4;0.28,0.35,3.1;-0.39,-0.48,0.11;0.34,-0.079,0.14];%a)对类别m1,m2,利用fisher原则计算投影方向wm1=[00

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。