模式识别matlab程序.docVIP

下载本文档

35
0
约3.29千字
约 5页
2017-09-25 发布于北京
举报
版权申诉

模式识别matlab程序.doc

1、本文档共5页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

模式识别的一些matlab程序最小错误率Bayes分类器的设计与检验 clc clear X1 = 10000; MU1 = 2.0; SIGMA1 = 0.2; Y1 = normrnd(MU1, SIGMA1, X1, 1); X2 = 5000; MU2 = 1.0; SIGMA2 = 0.2; Y2 = normrnd(MU2, SIGMA2, X2, 1); Y = [Y1;Y2]; Pw1 = X1 / (X1+X2); Pw2 = X2 / (X1+X2); T1 = find(normpdf(Y1,MU1,SIGMA1)*Pw1 normpdf(Y1,MU2,SIGMA2)*Pw2); T2 = find(normpdf(Y2,MU2,SIGMA2)*Pw2 normpdf(Y2,MU1,SIGMA1)*Pw1); et = (X1-length(T1)+X2-length(T2)) / (X1+X2); t = fsolve(fun1, 1); e = quadl(fun2, -10000, t) + quadl(fun3, t, 10000); %fun1 function e = fun1(x) MU1 = 2.0; SIGMA1 = 0.2; MU2 = 1.0; SIGMA2 = 0.2; e = normpdf(x,MU1,SIGMA1)*2/3 - normpdf(x,MU2,SIGMA2)*1/3; %fun2 function y = fun2(x) MU1 = 2.0; SIGMA1 = 0.2; MU2 = 1.0; SIGMA2 = 0.2; y = normpdf(x,MU1,SIGMA1)*2/3; %fun3 function y = fun3(x) MU1 = 2.0; SIGMA1 = 0.2; MU2 = 1.0; SIGMA2 = 0.2; y = normpdf(x,MU2,SIGMA2)*1/3; 窗函数法高斯分布 clc clear load(TestData.mat) Y = [Y1;Y2]; %hist([Y1;Y2],x) hn = 0.01; x = 0:0.01:3; %y = 1/15000*sum(1/hn*normpdf((x-Y),MU,SIGMA)); for i = 1:3/0.01+1 y(i) = 1/15000*sum(1/hn*normpdf((x(i)-Y)/hn, 0, 1)); end plot(x,y) hold on MU1 = 2.0; SIGMA1 = 0.2; MU2 = 1.0; SIGMA2 = 0.2; z = normpdf(x,MU1,SIGMA1)*2/3 + normpdf(x,MU2,SIGMA2)*1/3; plot(x,z,r) 近邻法高斯分布 clc clear load(TestData.mat) Y = [Y1;Y2]; Y = sort(Y); x = 0:0.01:3; kn = 100; for i = 1:3/0.01+1 j = 1; while 1 if abs(Y(j)+Y(j+kn-1)-2*x(i)) abs(Y(j+1)+Y(j+kn)-2*x(i)) break; else j = j+1; end if j == 15000-kn+1 break; end end y(i) = kn/15000/(Y(j+kn-1)-Y(j)); end plot(x, y) hold on MU1 = 2.0; SIGMA1 = 0.2; MU2 = 1.0; SIGMA2 = 0.2; z = normpdf(x,MU1,SIGMA1)*2/3 + normpdf(x,MU2,SIGMA2)*1/3; plot(x,z,r) Fisher线性变换 clc clear X1 = 5; One1 = ones(X1, 1); SIGMA1 = 0.2; Y1 = normrnd([One1.*2 One1.*3], SIGMA1, X1, 2); X2 = 5; One2 = ones(X2, 1); MU2 = 3.0; SIGMA2 = 0.2; Y2 = normrnd([One2.*3, One2.*2], SIGMA2, X2, 2); plot(Y1(:,1), Y1(:,2), r*, Y2(:,1), Y2(:,2), bo) m1 = mean(Y1); m2 = mean(Y