内容发布更新时间 : 2024/12/27 7:05:02星期一 下面是文章的全部内容请认真阅读。

河 北 大 学 工 商 学 院

Y=sim(net,p);%仿真模拟lvq网 Yc=vec2ind(Y);

test=nnz(Yc-Tc);%测试lvq网

pp=[1.24 1.28 1.40;1.80 1.84 2.04];%等待分类蠓虫的数据 y=sim(net,pp);%仿真模拟lvq网对蠓虫进行分类 index=vec2ind(y)

程序运行后，从命令窗口得到运行结果，

TRAINR, Epoch 0/1000 TRAINR, Epoch 3/1000

TRAINR, Performance goal met. index =

2 2 2

因此，通过LVQ网进行分类，所得三个蠓虫的类属为2，即依然为 Apf 类。

4.42 Bayes判别法

(1) 判别总体的协方差矩阵是否相等 (2) 判断总体是否服从正态分布

首先对每个指标进行一元正态分布的检验，若有一个指标不服从正态分布，则总体不服从正态分布；若每个指标都服从一元正态分布，且各指标不相关则总体服从正态分布。

(3) 利用按比例分配方法估计两个总体的先验概率： p1=6/(6+9)=0.4; p2=9/(6+9)=0.6; (4) 编写程序Bayes.m

apf=[1.14,1.78; 1.18,1.96;1.20,1.86;1.26,2.;1.28,2;1.30,1.96]; af=[1.24,1.72;1.36,1.74;1.38,1.64;1.38,1.82;1.38,1.90; 1.40,1.70;1.48,1.82;1.54,1.82;1.56,2.08]; x= [1.24,1.80;1.28,1.84; 1.4,2.04]; p1=0.4; p2=0.6;

m1=mean(apf);m2=mean(af);s1=cov(apf);s2=cov(af); S=(5*s1+8*s2)/13; for i=1:3,

d(i,:)=log(0.4)-0.5*((x(i,:)-m1)*inv(S)* (x(i,:)-m1)')- (log(0.6)-0.5*((x(i,:)-m2)*inv(S)* (x(i,:)-m2)')); end d

(5) 得到运行结果： d =

第10页

河 北 大 学 工 商 学 院

1.7585 0.9514

1.5747

由于d的结果全部大于零，即p1f1>p2f2，因此，通过Bayes判别法进行分类，三个蠓虫均属于Apf类。

评价：对于以上具体描述的判别方法，每一种方法都存在一个错判概率的问题，至于具体问题哪一种判别方法好，错判概率是一个指标，它应该尽量的小，但是最终的判别结果往往需要综合考虑。

5.总结体会

这次实验是一次较为困难却有意义的实践，我用了将近半个月的时间来完整的解决这个问题。起初并不知道从何下手，后来经过查阅资料了解到这类问题可以有多种解决方案。于是我首先采用了分界线方法进行求解，因为这种方法容易上手，在平常的课堂实验中就有所涉及，但是调试程序的时候还是遇到了些小困难，不过很快便解决了。对于实验中第三个问题该怎样表述，我想了很久，最后只得以例子的形式表达出来，不过自我感觉也还是能自圆其说的。

在查阅了关于这种分类问题的相关资料后，同时了解到人工智能网中的LVQ方法以及Bayes判别法，于是专门去图书馆学习了一下相关知识，发现用比较基础的知识就可以将这一问题解决，于是加以运用，便得到了上文提到的lvq.m及Bayes.m文件，得到的运行结果与使用分界线方法是一致的。

通过这次实验，我更深刻的了解了Matlab软件的强大功能以及数学应用的广泛性，同时也增强了我分析问题的能力。另外，通过这学期的学习与实践，我学 到了一些东西，也体会到了专业知识的运用，在这里要感谢邢老师的认真指导。

第11页