模式识别Word下载.docx
《模式识别Word下载.docx》由会员分享,可在线阅读,更多相关《模式识别Word下载.docx(9页珍藏版)》请在冰点文库上搜索。
FLAG=0;
iters=0;
ifWk'
*x1<
=0
Wk=Wk+x1;
FLAG=1;
end
*x2<
Wk=Wk+x2;
*x3>
Wk=Wk-x3;
*x4>
Wk=Wk-x4;
iters=iters+1;
while(FLAG)
FLAG=0;
ifWk'
end
iters=iters+1;
W=Wk;
作业2:
①在下列条件下,求待定样本x=(2,0)T的类别,画出分界线,编程上机。
1、二类协方差相等,2、二类协方差不等。
训练样本号k
123
特征x1
112
-1-1-2
特征x2
10-1
类别
1.二类协方差相等
程序如下:
x1=[mean([1,1,2]),mean([1,0,-1])]'
x2=[mean([-1,-1,-2]),mean([1,0,-1])]'
m=cov([1,1;
1,0;
2,-1]);
n=cov([-1,1;
-1,0;
-2,-1]);
m1=inv(m);
n1=inv(n);
p=log((det(m))/(det(n)));
q=log
(1);
x=[2,0]'
l=m+n;
l1=inv(l);
g1=0.5*(x-x1)'
*m1*(x-x1)-0.5*(x-x2)'
*n1*(x-x2)+0.5*p-q
g1=
-64
>
(x2-x1)'
*m1
ans=
-32.0000-16.0000
化简矩阵多项式g1=0.5*(x-x1)'
其中x1,x2已知,x设为
下面用MATLAB化简,程序如下:
symsx11;
symsx22;
w1=-32*x11+(-16)*x22+0.5*(x1'
*l1*x1-x2'
*l1*x2)-q,simplify(w1);
w1=
-32*x11-16*x22
因此分界线方程为-32*x11-16*x22=0,即
2.二类协方差不等
x1=[mean([1,1,2]),mean([1,0,-1])]'
x2=[mean([-1,-1,-2]),mean([1,0,-1])]'
m=cov([1,1;
n=cov([-1,1;
m1=inv(m);
p=log((det(m))/(det(n)))
q=log
(1)
x=[2,0]'
g1=0.5*(x-x1)'
g1<
0,则判定
属于
类。
化简矩阵多项式0.5*(x-x1)'
*n1*(x-x2)+0.5*p-q,其中x1,x2已知,x设为
,化简到
下面用MATLAB化简,程序如下:
symsx1;
symsx2;
w=(12*x1-16+6*x2)*(x1-4/3)+(6*x1-8+4*x2)*x2-(12*x1+16-6*x2)*(x1+4/3)-(-6*x1-8+4*x2)*x2,simplify(w)
w=
(x1-4/3)*(12*x1+6*x2-16)-(x1+4/3)*(12*x1-6*x2+16)+x2*(6*x1-4*x2+8)+x2*(6*x1+4*x2-8)
8*x1*(3*x2-8)
因此8*x1*(3*x2-8)=-64x1+24x2x1=0,即x1=0,或者x2=8/3,很显然分界线方程为x1=0,因为x2=8/3不能区分类
以下是MATLAB绘图程序。
x1=[1;
1;
2];
x2=[1;
0;
-1];
plot(x1,x2,'
mx'
'
markersize'
15);
axis([-5,5,-5,5]);
gridon;
holdon
x1=[-1;
-1;
-2];
m*'
x1=[2];
x2=[0];
mp'
x2=-5:
0.02:
5;
x1=0;
b'
);
x1=-5:
x2=-2*x1;
-.k'
最终运行结果如下:
说明:
X点为
类的样本点,*点为
类的样本点,☆为待定样本,实直线为二类协方差不等的时候的分界线,点划线为二类协方差相等时的分界线。
作业3
设有如下三类模式样本集ω1,ω2和ω3,其先验概率相等,求Sw和Sb
ω1:
{(10)T,(20)T,(11)T}
ω2:
{(-10)T,(01)T,(-11)T}
ω3:
{(-1-1)T,(0-1)T,(0-2)T}
由于本题有三类模式,且三类样本集的先验概率相等,则概率均为1/3。
多类情况的类内散布矩阵,可写成各类的类内散布矩阵的先验概率的加权和,即:
其中Ci是第i类的协方差矩阵。
这里,有:
则
类间散步矩阵常写成:
其中
为多类模式(如共有c类)分布的总体均值向量,即:
c
因此
作业4
设有如下两类样本集,其出现的概率相等:
{(000)T,(100)T,(101)T,(110)T}
{(001)T,(010)T,(011)T,(111)T}
用K-L变换,分别把特征空间维数降到二维和一维,并画出样本在该空间中的位置。
将所有这些样本的各分量都减去0.5,便可以将所有这些样本
的均值移到原点,即(0,0,0)点。
新得到的两类样本集为:
ω1:
{(-0.5-0.5-0.5)T,(0.5-0.5-0.5)T,
(0.5-0.50.5)T,(0.50.5-0.5)T}
ω2:
{(-0.5-0.50.5)T,(-0.50.5-0.5)T,
(-0.50.50.5)T,(0.50.50.5)T}
解特征值方程
求R的特征值。
求得特征值
其对应的特征向量可由
。
求得:
1、将其降到二维的情况:
选
和
对应的变换向量作为变换矩阵,由
得变换后的二维模式特征为:
{(-0.5-0.5)T,(0.5-0.5)T,(0.5-0.5)T,(0.50.5)T}
{(-0.5-0.5)T,(-0.50.5)T,(-0.50.5)T,(0.50.5)T}
2、将其降到一维的情况:
得变换后的一维模式特征为: