资源描述：
《模式识别实验指导书.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、模式识别实验指导书任海鹏马炫朱虹西安理工大学信息与控制工程系前言模式识别能力是人类智能的重要标志，通过这种能力我们能够辨识人脸、识别语音、阅读手写文字、从口袋里摸出钥匙或者根据气味判断苹果是否成熟。模式识别这门课程就是研究如何用计算机实现人的模式识别能力。模式识别是以应用为基础的学科，目的是将对象进行分类。这些对象可以是图像、信号波形、文字、语音等可以测量的对象。为了让高年级本科学生能够更好地理解，模式识别课程中讲授的基本内容和方法，配合授课内容和实验学时要求，设计了6个学时的模式识别实验项目。使用时可以在3个实验中任选2个来进行。本实验指导书中
2、给出了实验的内容、要求和简单的参考例程。例程仅起参考作用，学生必须通过对例程的理解自己设计程序，完成全部实验内容。实验一感知器准则算法实验一、实验目的：贝叶斯分类方法是基于后验概率的大小进行分类的方法，有时需要进行概率密度函数的估计，而概率密度函数的估计通常需要大量样本才能进行，随着特征空间维数的增加，这种估计所需要的样本数急剧增加，使计算量大增。在实际问题中，人们可以不去估计概率密度，而直接通过与样本和类别标号有关的判别函数来直接将未知样本进行分类。这种思路就是判别函数法，最简单的判别函数是线性判别函数。采用判别函数法的关键在于利用样本找到判别
3、函数的系数，模式识别课程中的感知器算法是一种求解判别函数系数的有效方法。本实验的目的是通过编制程序，实现感知器准则算法，并实现线性可分样本的分类。二、实验内容：实验所用样本数据如表2-1给出（其中每个样本空间（数据）为两维，x1表示第一维的值、x2表示第二维的值），编制程序实现w1、w2类w2、w3类的分类。分析分类器算法的性能。2-1感知器算法实验数据 类别w1w2w3w4样本x1x2x1x2x1x2x1x210.11.17.14.2-3.0-2.9-2.0-8.426.87.1-1.4-4.30.58.7-8.90.23-3.5-4.14.5
4、0.02.92.1-4.2-7.742.02.76.31.6-0.15.2-8.5-3.254.12.84.21.9-4.02.2-6.7-4.063.15.01.4-3.2-1.33.7-0.5-9.27-0.8-1.32.4-4.0-3.46.2-5.3-6.780.91.22.5-6.1-4.13.4-8.7-6.495.06.48.43.7-5.11.6-7.1-9.7103.94.04.1-2.21.95.1-8.0-6.3具体要求1、复习感知器算法；2、写出实现批处理感知器算法的程序1）从a=0开始，将你的程序应用在和的训练数据上。记
5、下收敛的步数。2）将你的程序应用在和类上，同样记下收敛的步数。3）试解释它们收敛步数的差别。3、提高部分：和的前5个点不是线性可分的，请手工构造非线性映射，使这些点在映射后的特征空间中是线性可分的，并对它们训练一个感知器分类器。分析这个分类器对剩下的（变换后的）点分类效果如何？三、参考例程及其说明：针对、和的分类程序如下：clear%originaldataw1=[.16.8-3.52.04.13.1-0.80.95.03.9;1.17.1-4.12.72.85.0-1.31.26.44.0];w2=[7.1-1.44.56.34.21.42.4
6、2.58.44.1;4.2-4.30.01.61.9-3.2-4.0-6.13.7-2.2];w3=[-3.00.52.9-0.1-0.4-1.3-3.41-5.11.9;-2.98.72.15.22.23.76.23.41.65.1];%normalizedww1=[ones(1,size(w1,2));w1];ww2=[ones(1,size(w2,2));w2];ww3=[ones(1,size(w3,2));w3];w12=[ww1,-ww2];y=zeros(1,size(w12,2));a=[1;1;1];k=0;whileany(y
7、<=0)fori=1:size(y,2)y(i)=a'*w12(:,i);enda=a+(sum((w12(:,find(y<=0)))'))';k=k+1;endakfigure(1)plot(w1(1,:),w1(2,:),'r.')holdonplot(w2(1,:),w2(2,:),'*')xmin=min(min(w1(1,:)),min(w2(1,:)));xmax=max(max(w1(1,:)),max(w2(1,:)));这段程序的作用是什么？ymin=min(min(w1(2,:)),min(w2(2,:)));ymax=ma
8、x(max(w1(2,:)),max(w2(2,:)));xindex=xmin-1:(xmax-xmin)/100:xmax+1;yi
