《模式识别与matlab》ppt课件

《《模式识别与matlab》ppt课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、模式识别与MATLAB---信息0603康叶主讲内容Fisher算法及MATLAB实现Svm（supportvectormachine）与优化通过MATLAB编程进一步熟悉一下模式识别中的一些典型算法典型算法聚类算法：1、层次聚类2、划分聚类分类器算法3、线性判别函数4、Bayes算法W2W1W3L1L3L21、层次聚类单连接算法第一步：将n个样本分配到n个簇中，计算距离矩阵；第二步：计算最新距离矩阵，将拥有最小簇间距离的两个簇合并，得到新簇集合；第三步：若簇数大于1，重复第二步；若为1，则结束。Matl

2、ab代码样本：x数据标准化：xn=zscore(x)计算样本间距离：Y=pdist(xn,distance)距离矩阵：squareform（y)调用z=linkage（y,method）dendrogram(z)生成层次图调用T=cluster（z，c）对样本进行分类Distance:Euclid：欧拉距离Hamming:汉明距离Function：@DISTFUNY=(1:6)X=[0123104524063560],squareform(Y)=X,squareform(X)=Y.MethodSingle

3、：最小距离Complete：最大距离Average、weighted：平均距离Centroid、median：重心法Example：出生死亡率（‰）平均寿命满族5.870.59朝鲜族7.4467.14蒙古族8.1167.14维吾尔族10.2158.88藏族9.5159.24哈萨克族9.8160.47clearX=[5.8090.597.4467.148.1165.4810.2158.889.5159.249.8160.47];Xn=zscore(X);Y=pdist(Xn,'euclid‘)squaref

4、orm(Y)figureZ=linkage(Y,'centroid‘);dendrogram(Z);T=cluster(Z,3)Clusterdatak-均值(k-means)算法给定k，算法的处理流程如下:第一步：随机的把所有对象分配到k个非空的簇中；第二步：计算每个簇的平均值，并用该平均值代表相应的簇中心；第三步：将每个对象根据其与各个簇中心的距离，重新分配到与它距离最近的簇中；第四步：重复2,3直到k个簇的中心点不再发生变化或准则函数Je收敛。2、划分聚类Matlab代码直接调用库函数kmeans（

5、）[IDX,C,SUMD,D]=KMEANS(X,K,‘PARAM1’,val1,‘PARAM2’,val2,...)'Distance''Start''Replicates''Display'Example:X=[randn(20,2)+ones(20,2);randn(20,2)-ones(20,2)];[cidx,ctrs]=kmeans(X,2,'dist','city','rep',5,'disp','final');plot(X(cidx==1,1),X(cidx==1,2),'r.',...

6、X(cidx==2,1),X(cidx==2,2),'b.',ctrs(:,1),ctrs(:,2),'kx');3、线性判别函数现抽取n个特征为：判别函数：判别条件：g1(x)>g2(x)和g1(x)>g3(x)实现步骤第一步：初始化各权值矢量W=0；第二步：将所有样本x（k）进行计算，求的g(x(k))；第三步：若x（k）∈ω判断gi（k）是不是最大值，若是，权值不用修改；否则权值需修正；W+x（k）,Wj-x（k）第四步：重复2,3直到权值不再修正。第五步：求的gij=gi-gjMatlab代码g=

7、sample(i,:)*w;length(find(d==max(d)))~=1

8、

9、find(d==max(d))~=y(i);%判断是否是最大值w=w+sample(i,:)‘*[2*(y(i)==1)-1,2*(y(i)==2)-1,2*(y(i)==3)-1];%修正权值flag=1;%设标志位w=[w(:,1)-w(:,2),w(:,2)-w(:,3),w(:,3)-w(:,1)];%求的gij例：对一批人进行癌症普查，患癌症者定为属1类，正常者定为属2类。统计资料表明人们患癌的概率，从而。设

10、有一种诊断此病的试验，其结果有阳性反应和阴性反应之分，依其作诊断。化验结果是一维离散模式特征。统计资料表明：癌症者有阳性反映的概率为0.95即，从而可知，正常人阳性反映的概率为0.01即,可知。4、Bayes算法对于两类1，2问题，直观地，可以根据后验概率做判决：随机模式分类识别，通常称为Bayes(贝叶斯)判决。主要依据类的概率、概密，按照某种准则使分类结果从统计上讲是最佳的。准则函数不同，所导出的判决规则就不同，分类结