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
1
目 录
实验课概况 ...................................................................................... 1 实验一、Bayes分类器设计........................................................... 2 实验二、基于Fisher准则线性分类器设计 ................................. 5 实验三、基于感知函数准则线性分类器设计 ........................... 10 实验四、近邻法分类器设计 ....................................................... 12 实验五、动态聚类 ....................................................................... 21
2
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 1 2 3 4 5
实验内容 Bayes分类器算法 Fisher线性分类器设计， 感知器设计 近邻法 动态聚类 学时 2 2 2 4 4 二选一 选作 必做 二选一 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(?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(?iX)?P(X?i)P(?i)?P(X?)P(?)iij?1c j=1,…，x
(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ai,i=1,…，a的条件风险 R(aiX)???(a,?ij?1cj)P(?jX),i=1,2,…,a
(3)对(2)中得到的a个条件风险值R(aiX),i=1,…，a进行比较，找出使其条件风险最小的决策ak，即
则ak就是最小风险贝叶斯决策。
1.5实验内容：
2
相关推荐：
loading