基于聚类分析及最近邻方法的货币识别_丁柏圆.docVIP

基于聚类分析和最近邻方法货币识别 组长：丁柏圆 目录 目录 1 1、实验目的 2 2、实验原理 2 2. 1 钱币的识别 2 2. 2钱币的真伪判别 3 3、 实验项目 3 3.1钱币的识别 4 3.2 钱币的真伪判别 4 4、 实验工具 4 5、 实验数据 4 6、实验结果及分析 5 7 、心得体会 5 1、实验目的 通过对《模式识别》课程的学习，利用所学的识别方法实现对100圆、50圆、20圆、10圆四种钱币的识别及真伪的判断。通过实验，进一步加强对课本知识的理解，学会灵活利用各种识别手段以达到最好的效果。 2、实验原理 2. 1 钱币的识别 模式识别中有很多判别方法，有简单的聚类算法，有代数界面判决法，有统计判决法等方法，针对不同的问题要选取不同的判决方法以达到更好的分类的目的。现金的识别可采用多种方法，包括聚类分析、代数界面判决、统计判决等等。我们组根据现金采集的数据的特点，选取了较为简单的聚类分析与最近邻方法，简化了学习训练的复杂过程，用更简单的方法亦可实现很好的识别和分类。 最近邻方法原理：对于C类问题,设类wi(i=1,2,…,c)有Ni个样本 分类的思想是: ，对于一个待识别模式x, 分别计算它与个已知类别的样本 的距离,将它判为距离最近的那个样本所属的类。即： 如果则。 利用所给的10个样本的前五个样本数据作为训练样本，后五个样本作为检验样本。对于每一个样本数据，将现金总共分为32类，每个币种包含8类，每类有60个8维的样本矢量，类别编号为1-32，从类1到类32一次为100圆、50圆、20圆、10圆，每个币种包含的8类分别为其A面、B面、C面、D面、E面、F面、G面、H面，例如前8类依次为100圆的A面，B面，C面，D面，E面，F面，G面，后面各类依次类推。利用训练样本计算出各类的均值矢量（即类心）。对于戴判别模式，分别计算其与各个类心的距离，判断到每个模式类的类心的距离大小，通过比较待判模式到各类类心的距离进行聚类，将待判别模式判别给与之距离最短的类别，即可实现类别的判别。 利用剩下的五个样本数据对聚类算法进行检验，来验证此类识别方法的有效性。 2. 2钱币的真伪判别 钱币真伪的判断可通过比较待判模式与真币训练样本的波形的相似性得出。因此可以通过计算各类模式的方差，选取适当的阈值，将待判模式的方差与阈值比较，判断其真伪。 3、实验项目 3.1钱币的识别 当测试模式为第六个数据样本的100圆A面时： 判决结果如下： 请输入样本号:6 请输入类别：1 100圆 真币 当测试模式为第六个数据样本的20圆B面时，判决结果如下： 请输入样本号:6 请输入类别：18 20圆 真币 当测试样本为第七个数据样本的10圆C面时，判决结果如下： 请输入样本号:7 请输入类别：27 10圆 真币 由于采用逐个样本输入的方法，未能对所有的测试模式进行测试。但就所选的测试模式而言，均得以正确判断。 4、实验工具 Matlab2009，visual C++6.0 5、实验数据 所给10个样本文件。 6、实验结果及分析 由于采用逐个样本输入的方法，未能对所有的测试模式进行测试。但就所选的测试模式而言，均得以正确判断。真伪币的判别由于缺少测试样本而未能实施，但所给的真币数据均能判为真币。 7、心得体会 通过编写现金识别的应用实例，真正感受到了模式识别的趣味性，体会到了模式识别的实用性。同时不但增加了对书本知识的理解，也通过动手实践，锻炼了自己的编程能力，增加了自己对模式识别的兴趣爱好。模式识别在日常生活中有着很广泛的应用，我们也应该好好掌握这样一门技术，能够真正将我们所学的课本知识转化为生活中的实践。在其他很多领域，比如图像识别、人工智能等领域中都有广泛的应用，并且有很大的发展前景，同时也有很大的发展空间，只要能掌握这样一门技术，就一定能取得大的突破和成就。 1