《模式识别实验指导书2011》由会员分享，可在线阅读，更多相关《模式识别实验指导书2011（28页珍藏版）》请在金锄头文库上搜索。
1、信息工程学院模式识别实验指导书王文华，徐蔚然编著2007 年 3 月目录实验课概况错误！未定义书签。实验一、Bayes分类器设计错误！未定义书签。实验二、基于 Fisher 准则线性分类器设计错误！未定义书签。 实验三、基于感知函数准则线性分类器设计错误 ！ 未 定 义 书 签。实验四、近邻法分类器设计 错误！未定义书签。实验五、动态聚类 错误！未定义书签。实验课概况课程名称：模式识别适应专业：信息工程、自动化、信息安全、信息科学、数字媒体艺术 实验学时：8开科学期：5 学期一、实验的性质、任务和基本要求（一） 实验课的性质模式识别实验课是一门非独立的实验课，是同学对模式识别理论内容进行充分的
2、理解 的基础上，根据相应的原理，设计实验内容，完成实验任务，是理论知识实践化的方式， 利于学生更好的吸收，领悟模式识别的原理与应用，培养学生的动手实践的能力。（二） 实验课的基本要求1、理解模式识别的基本概念2、掌握各种算法的流程，以及相应的优缺点。3、会使用相应的模式识别分类器等算法处理实验问题。二、实验的分配情况序号实验内容学时选作1Bayes分类器算法2必做2Fisher线性分类器设计，2二选一3感知器设计24近邻法4二选一5动态聚类4实验一、Bayes分类器设计1.1实验类型：基础型：Bayes分类器设计1.2 实验目的：本实验旨在让同学对模式识别有一个初步的理解，能够根据自己的设计对
3、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。1.3实验条件：matlab 软件1.4 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P ) , P(Xo ) , i=l,，c及给出待识别的X的情况下，根据贝叶斯公式ii计算出后验概率：P(o X)二ij=1, ， xP(X o )P(o )ii乞 P(X o )P(o )iij=1(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a ,i=1,，a的条件风险 iR(a |X) = 九(a ,o )P(o |X) ,i=1,2,aZZ jjj=1对中得到的a个条件风险值R(a |X ),i=1,，a进行比较，
4、找出使其条件风险最小 i的决策a，即则a就是最小风险贝叶斯决策。 k1.5 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 12正常状态：P （）=0.9；1异常状态：P（）=0.1。2现有一系列待观察的细胞，其观察值为 x ：-3.9847-3.5549-1.2401-0.9780-0.7932-2.8531-2.7605-3.7287-3.5414-2.2692-3.4549-3.0752-3.99342.8792-0.97800.79321.18823.0682-1.5799-1.4885-0.7431-0.4221-1.11864.2532已知先验概率是的曲
5、线如下图：p（x I ） p（x I W ）类条件概率分布正态分布分别为（-2, 0.25） （2,4）试对观察的结 12果进行分类。1.6 实验要求：1）用matlab完成分类器的设计，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：f状态决策ooa 106a 210请重新设计程序，画出相应的后验概率的分布曲线和分类结果,并比较两个结果。实验二、基于Fisher准则线性分类器设计2.1实验类型：设计型：线性分类器设计(Fisher准则)2.2 实验目的：本实验旨在让同
6、学进一步了解分类器的设计概念，能够根据自己的设计对线性分类器有更 深刻地认识，理解 Fisher 准则方法确定最佳线性分界面方法的原理，以及 Lagrande 乘子求解 的原理。2.3实验条件：matlab 软件2.4 实验原理：线性判别函数的一般形式可表示成g (X)二 WtX + w0其中(x )w11wW =2w T X w01WtX w T X e02使用Fisher准则方法确定最佳线性分界面的方法是一个著名的方法，尽管提出该方法的时间比较早，仍见有人使用。2.5 实验内容：已知有两类数据 和 二者的概率已知 p() =0.6， p( ) =0.4。 1 2 1 2 中数据点的坐标对应
7、一一如下：数据：0.23311.52070.64990.77571.05241.19740.29080.25180.66820.56220.90230.1333-0.54310.9407-0.21260.0507-0.08100.73150.33451.0650-0.02470.10430.31220.66550.58381.16531.26530.8137-0.33990.51520.7226-0.20150.4070-0.1717-1.0573-0.2099y =2.33852.19461.67301.63651.78442.01552.06812.12132.47971.51181.96
8、921.83401.87042.29481.77142.39391.56481.93292.20272.45681.75231.69912.48831.72592.04662.02262.37571.79872.08282.07981.9449z =2.38012.23732.16141.92352.26040.53380.85141.08310.41641.11760.55360.60710.44390.49280.59011.09271.07561.00720.42720.43530.98690.48411.09921.02990.71271.01240.45760.85441.12750
9、.77050.41291.00850.76760.84180.87840.97510.78400.41581.03150.75330.95482数据点的对应的三维坐标为x2 =1.3740 1.18291.4010 1.2301 2.0814 1.16551.76321.97392.41522.58902.84721.95391.25001.28641.26142.00712.18311.79091.33221.14661.70871.59202.93531.46642.93131.83491.83402.50962.71982.31482.03532.60301.23272.14651.56
10、732.9414y2 =1.02980.96110.91541.49010.82000.93991.14051.06780.80501.28891.46011.43340.70911.29421.37440.93871.22661.18330.87980.55920.51500.99830.91200.71261.28331.10291.26800.71401.24461.33921.18080.55031.47081.14350.76791.1288z2 =0.62101.36560.54980.67080.89321.43420.95080.73240.57841.49431.09150.
11、76441.21591.30491.14080.93980.61970.66031.39281.40840.69090.84000.53811.37290.77310.73191.34390.81420.95860.73790.75480.73930.67390.86511.36991.1458数据的样本点分布如下图：2 r151 -050 :2.530.5-22.6 实验要求：1）请把数据作为样本，根据Fisher选择投影方向W的原则，使原样本向量在该方向上的投影能兼顾类间分布尽可能分开，类内样本投影尽可能密集的要求，求 出评价投影方向W的函数，并在图形表示出来。并在实验报告中表示出来，并 求使J （w）取极大值的w*。用matlab完成Fisher线性分类器的设计，程序的 F语句要求有注释。2）根据上述的结果并判断（1， 1.5， 0.6）（1.2， 1.0， 0.55）， （2.0， 0.9， 0.68），（1.2， 1.5， 0.89），（0.23， 2.33， 1.43），属于哪个类别，并画出数据分类相 应的结果图，要求画出其在W上的
