资源描述：
《模式识别实验三.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、实验三最小错误率的贝叶斯分类0840501104刘悦一、实验目的通过学习贝叶斯决策了解统计决策理论中的一个基本方法，对模式识别有个初步的了解。二、实验内容利用贝叶斯后验概率确定分类：设有19人进行体检，结果如下表。但事后发现4人忘了写性别，试问，这4人是男是女？序号身高体重性别序号身高体重性别117068男1114062男213066女1215064女318071男1312066女419073男1415066男516070女1513065男615066男1614070α？719068男1715060β？821076男1814565γ？910058女1916075δ？1017
2、075男C=2。男—1类，女—2类。三、实验过程Matlab代码如下：M=50;%M为最大的类数%已知类别样本15个（身高，体重，类别）。1-男，2-女n=15;pattern=[170,68,1;130,66,2;180,71,1;190,73,1;160,70,2;150,66,1;190,68,1;210,76,1;100,58,2;170,75,1;140,62,1;150,64,2;120,66,2;150,66,1;130,65,1];%未知类别样本4个X=[140,70,0;150,60,0;145,65,0;160,75,0];K=4;%未知类别样本个数pa
3、ttern%显示patternX%显示未知类别的样本C=2;%类别总数C=2num=zeros(1,C);%数组num(i)存放第i类的样本数(i=1...Cfori=1:n%统计每类样本数num(pattern(i,3))=num(pattern(i,3))+1;endfori=1:C%输出每类样本数fprintf('%d类样本数=%d',i,num(i))end%计算每类的先验概率fori=1:CP(i)=num(i)/n;%输出每类的先验概率fprintf('%d类的先验概率=%.2f',i,P(i))end%floatPW1[M],PW2[M];存放后验概率
4、数组%floatheight,weight;身高-体重%对未知类别的样本进行分类判断fork=1:K%对未知类别样本数据：身高-体重加以处理fprintf('第%d个样本：%d,%d',k,X(k,1),X(k,2))height=X(k,1);weight=X(k,2);num1=0;fori=1:nif(pattern(i,1)==height&pattern(i,3)==1)num1=num1+1;endendif(num1==0)%防止0概率，分子分母均作处理：分子加1，分母加类别数或不同取值个数PW1(1)=1/(num(1)+2);elsePW1(1)=(n
5、um1+1)/(num(1)+2);endnum1=0;fori=1:nif(pattern(i,2)==weight&pattern(i,3)==1)num1=num1+1;endendif(num1==0)%防止0概率，分子分母均作处理：分子加1，分母加类别数或不同取值个数PW1(2)=1/(num(1)+2);elsePW1(2)=(num1+1)/(num(1)+2);endnum2=0;fori=1:nif(pattern(i,1)==height&pattern(i,3)==2)num2=num2+1;endendif(num2==0)PW2(1)=1/(num
6、(2)+2);elsePW2(1)=(num2+1)/(num(2)+2);endnum2=0;fori=1:nif(pattern(i,2)==weight&pattern(i,3)==2)num2=num2+1;endendif(num2==0)PW2(2)=1/(num(2)+2);elsePW2(2)=(num2+1)/(num(2)+2);endPWT1=PW1(1)*PW1(2)*P(1);%计算属于第一类的似然概率*先验概率PWT2=PW2(1)*PW2(2)*P(2);%计算属于第二类的似然概率*先验概率fprintf('属于第一类的似然概率*先验概率（后验
7、概率*P(X))=%.2f',PWT1)fprintf('属于第二类的似然概率*先验概率（后验概率*P(X))=%.2f',PWT2)if(PWT1>PWT2)fprintf('%d-thpatternbelongsto1',k)elseif(PWT1
