贝叶斯分类器的matlab实现.docx

贝叶斯分类器的matlab实现.docx

《贝叶斯分类器的matlab实现.docx》由会员分享，可在线阅读，更多相关《贝叶斯分类器的matlab实现.docx（5页珍藏版）》请在冰点文库上搜索。

贝叶斯分类器的matlab实现

 贝叶斯分类原理：

1）在已知P（Wi），P（X|Wi）（i=1,2）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（Wi|X）;

2）根据1）中计算的后验概率值，找到最大的后验概率，则样本X属于该类

举例：

解决方案：

但对于两类来说，因为分母相同，所以可采取如下分类标准：

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%ByShelleyfromNCUT，April14th2011

%Email:

just_for_h264@

%此程序利用贝叶斯分类算法，首先对两类样本进行训练，

%进而可在屏幕上任意取点，程序可输出属于第一类，还是第二类

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

clear;

closeall

%读入两类训练样本数据

loaddata

%求两类训练样本的均值和方差

u1=mean（Sample1）;

u2=mean（Sample2）;

sigm1=cov（Sample1）; 

sigm2=cov（Sample2）;

%计算两个样本的密度函数并显示

x=-20:

0.5:

40;

y=-20:

0.5:

20;

[X,Y]=meshgrid（x,y）;

F1=mvnpdf（[X（:

）,Y（:

）],u1,sigm1）;

F2=mvnpdf（[X（:

）,Y（:

）],u2,sigm2）;

P1=reshape（F1,size（X））;

P2=reshape（F2,size（X））;

figure

（2）

surf（X,Y,P1）

holdon

surf（X,Y,P2）

shadinginterp

colorbar

title（'条件概率密度函数曲线'）;

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%以下为测试部分

%利用ginput随机选取屏幕上的点（可连续取10个点）

%程序可根据点的位置自动地显示出属于那个类

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

pw1=0.4;pw2=0.6;

figure

（1）

plot（Sample1（:

1）,Sample1（:

2）,'r.'）

holdon

plot（Sample2（:

1）,Sample2（:

2）,'b.'）

fori=1:

10

    [u,v]=ginput

（1）;

    plot（u,v,'m*'）;

    P1=pw1*mvnpdf（[u,v],u1,sigm1）;

    P2=pw2*mvnpdf（[u,v],u2,sigm2）;

    holdall

    if（P1>P2）

         disp（'itbelongtothefirstclass'）;

    else

         disp（'itbelongtothesecondclass'）;

    end;

end

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

结果示意：

两个样本的密度函数曲线：

测试结果：

命令窗口中显示：

itbelongtothefirstclass

itbelongtothesecondclass

itbelongtothesecondclass

itbelongtothefirstclass

itbelongtothefirstclass

itbelongtothefirstclass

itbelongtothefirstclass

itbelongtothefirstclass

itbelongtothefirstclass

itbelongtothefirstclass

分析可知在第一类周围有八个随机的测试点，在第二类周围有两个随机的测试点，与命令窗口中的结果相符合。