《模式識(shí)別實(shí)驗(yàn)報(bào)告-實(shí)驗(yàn)一-Bayes分類(lèi)器設(shè)計(jì)匯總.doc》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。

1、實(shí)驗(yàn)一Bayes分類(lèi)器設(shè)計(jì)【實(shí)驗(yàn)?zāi)康摹繉?duì)模式識(shí)別有一個(gè)初步的理解，能夠根據(jù)自己的設(shè)計(jì)對(duì)貝葉斯決策理論算法有一個(gè)深刻地認(rèn)識(shí)，理解二類(lèi)分類(lèi)器的設(shè)計(jì)原理?！緦?shí)驗(yàn)原理】最小風(fēng)險(xiǎn)貝葉斯決策可按下列步驟進(jìn)行：　　(1)在已知，，i=1,…，c及給出待識(shí)別的的情況下，根據(jù)貝葉斯公式計(jì)算出后驗(yàn)概率：　　　　j=1,…，x　　(2)利用計(jì)算出的后驗(yàn)概率及決策表，按下面的公式計(jì)算出采取,i=1,…，a的條件風(fēng)險(xiǎn)　　,i=1,2,…,a　　(3)對(duì)(2)中得到的a個(gè)條件風(fēng)險(xiǎn)值,i=1,…，a進(jìn)行比較，找出使其條件風(fēng)險(xiǎn)最小的決策，即則就是最小風(fēng)險(xiǎn)貝葉斯決策。【實(shí)驗(yàn)內(nèi)容】假定某個(gè)局部區(qū)域細(xì)胞識(shí)別中正常（）

2、和非正常（）兩類(lèi)先驗(yàn)概率分別為正常狀態(tài)：P（）=0.9；異常狀態(tài)：P（）=0.1。現(xiàn)有一系列待觀察的細(xì)胞，其觀察值為：-3.9847-3.5549-1.2401-0.9780-0.7932-2.8531-2.7605-3.7287-3.5414-2.2692-3.4549-3.0752-3.99342.8792-0.97800.79321.18823.0682-1.5799-1.4885-0.7431-0.4221-1.11864.2532已知類(lèi)條件概率是的曲線如下圖：類(lèi)條件概率分布正態(tài)分布分別為N（-2，0.25）、N（2,4）試對(duì)觀察的結(jié)果進(jìn)行分類(lèi)?！緦?shí)驗(yàn)要求】1)用matl

3、ab完成基于最小錯(cuò)誤率的貝葉斯分類(lèi)器的設(shè)計(jì)，要求程序相應(yīng)語(yǔ)句有說(shuō)明文字，要求有子程序的調(diào)用過(guò)程。2)根據(jù)例子畫(huà)出后驗(yàn)概率的分布曲線以及分類(lèi)的結(jié)果示意圖。3)如果是最小風(fēng)險(xiǎn)貝葉斯決策，決策表如下：最小風(fēng)險(xiǎn)貝葉斯決策表：狀態(tài)決策α104α220請(qǐng)重新設(shè)計(jì)程序，完成基于最小風(fēng)險(xiǎn)的貝葉斯分類(lèi)器，畫(huà)出相應(yīng)的條件風(fēng)險(xiǎn)的分布曲線和分類(lèi)結(jié)果,并比較兩個(gè)結(jié)果。【實(shí)驗(yàn)程序】u最小錯(cuò)誤率貝葉斯決策2分類(lèi)器設(shè)計(jì)x=[-3.9847-3.5549-1.2401-0.9780-0.7932-2.8531-2.7605-3.7287-3.5414-2.2692-3.4549-3.0752-3.99342.87

4、92-0.97800.79321.18823.0682-1.5799-1.4885-0.7431-0.4221-1.11864.2532]pw1=0.9;pw2=0.1e1=-2;a1=0.5e2=2;a2=2m=numel(x)%得到待測(cè)細(xì)胞個(gè)數(shù)pw1_x=zeros(1,m)%存放對(duì)w1的后驗(yàn)概率矩陣pw2_x=zeros(1,m)%存放對(duì)w2的后驗(yàn)概率矩陣results=zeros(1,m)%存放比較結(jié)果矩陣fori=1:m%計(jì)算在w1下的后驗(yàn)概率pw1_x(i)=(pw1*normpdf(x(i),e1,a1))/(pw1*normpdf(x(i),e1,a1)+pw2*

5、normpdf(x(i),e2,a2))%計(jì)算在w2下的后驗(yàn)概率pw2_x(i)=(pw2*normpdf(x(i),e2,a2))/(pw1*normpdf(x(i),e1,a1)+pw2*normpdf(x(i),e2,a2))endfori=1:mifpw1_x(i)>pw2_x(i)%比較兩類(lèi)后驗(yàn)概率result(i)=0%正常細(xì)胞elseresult(i)=1%異常細(xì)胞endenda=[-5:0.05:5]%取樣本點(diǎn)以畫(huà)圖n=numel(a)pw1_plot=zeros(1,n)pw2_plot=zeros(1,n)forj=1:npw1_plot(j)=(pw1*no

6、rmpdf(a(j),e1,a1))/(pw1*normpdf(a(j),e1,a1)+pw2*normpdf(a(j),e2,a2))%計(jì)算每個(gè)樣本點(diǎn)對(duì)w1的后驗(yàn)概率以畫(huà)圖pw2_plot(j)=(pw2*normpdf(a(j),e2,a2))/(pw1*normpdf(a(j),e1,a1)+pw2*normpdf(a(j),e2,a2))endfigure(1)holdonplot(a,pw1_plot,'k-',a,pw2_plot,'r-.')fork=1:mifresult(k)==0plot(x(k),-0.1,'b*')%正常細(xì)胞用*表示elseplot(x(k

7、),-0.1,'rp')%異常細(xì)胞用五角星表示end;end;legend('正常細(xì)胞后驗(yàn)概率曲線','異常細(xì)胞后驗(yàn)概率曲線','正常細(xì)胞','異常細(xì)胞')xlabel('樣本細(xì)胞的觀察值')ylabel('后驗(yàn)概率')title('后驗(yàn)概率分布曲線')gridonreturn;2實(shí)驗(yàn)內(nèi)容仿真x=[-3.9847,-3.5549,-1.2401,-0.9780,-0.7932,-2.8531,-2.7605,-3.7287,-3.5414,-2.2692,-3.4549,-3.0