模式识别实验报告 下载本文

内容发布更新时间 : 2024/12/23 10:47:09星期一 下面是文章的全部内容请认真阅读。

学院:信息工程学院 班级:智能08 姓名:XXX 学号:xxxxxxxx

2011年6月

模式识别实验

实验一 Bayes分类器的设计

一、 实验目的:

1. 对模式识别有一个初步的理解,能够根据自己的设计对贝叶斯决策理论算法有一个深刻地认识;

2. 理解二类分类器的设计原理。

二、 实验条件:

1. PC微机一台和MATLAB软件。

三、 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(?i)P(X|?i),

,i?1,?,c及给出待识别的X的情况下,根据贝叶

斯公式计算出后验概率:

P(X|?i)?P(X|?i)P(?i)c

?P(X|?)P(?)jjj?1 j?1,?,c

2. 利用计算出的后验概率及决策表,按下式计算出采取

R(?i|X)???(?i,?j)P(?j|X)j?1c?i决策的条件风险:

i?1,?,a

(i?1,?,a)进行比较,找出使条件

3. 对2中得到的a个条件风险值风险最小的决策 则

R(?i|X)?k,即:

R(?k|X)?miRn(?k|X)i?1,?,c?k就是最小风险贝叶斯决策。

四、 实验内容:

假定某个局部区域细胞识别中正常(?1)和非正常(?2)两类先验概率分别为: 正常状态:P(?1)=0.9; 异常状态:P(?2)=0.1。

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

模式识别实验

-2.7605 -3.7287 -3.5414 -2.2692 -3.4549 -3.0752 -3.9934 2.8792 -0.9780 0.7932 1.1882 3.0682 -1.5799 -1.4885 -0.7431 -0.4221 -1.1186 4.2532

P(x|?1)P(x|?2)类条件概率分布正态分布分别为(-2,0.25)(2,4)。决策表为?11?0(?11表示

?(?i,?j)的简写),?12=6, ?21=1,?22=0。

试对观察的结果进行分类。

五、 实验程序及结果:

试验程序和曲线如下,分类结果在运行后的主程序中:

实验主程序如下: 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 -3.9934 2.8792 -0.9780 0.7932 1.1882 3.0682 -1.5799 -1.4885 -0.7431 -0.4221 -1.1186 4.2532]; pxw1=normpdf(x,-1,0.25); pxw2=normpdf(x,2,4); Pw1=0.9; Pw2=0.1; %计算后验概率 Pwx1=pxw1*Pw1./(pxw1*Pw1+pxw2*Pw2); Pwx2=1-Pwx1; %计算条件风险 loss11=0;loss12=6;loss21=1;loss22=0; R1=loss11*Pwx1+loss12*Pwx2; R2=loss21*Pwx1+loss22*Pwx2; %类别判断 for i=1:4 for j=1:6 if R1(i,j)

3