Bayes分类器设计实验报告.doc

模式识别实验报告 题目： Bayes分类器设计 学 院 计算机科学与技术 专 业 xxxxxxxxxxxxxxxx 学 号 xxxxxxxxxxxx 姓 名 xxxx 指导教师 xxxx 2015年xx月xx日 Bayes分类器设计 一、实验目的? 对模式识别有一个初步的理解，能够根据自己的设计对贝叶斯决策理论算法有一个深刻地认识，理解二类分类器的设计原理。 ?二、实验原理? ?最小风险贝叶斯决策可按下列步骤进行：? ??(1)在已知及给出待识别的X的情况下，根据贝叶斯公式计算出后验概率：??????? ??(2)利用计算出的后验概率及决策表，按下面的公式计算出采取的条件风险 ??(3)对(2)中得到的a个条件风险值进行比较，找出使其条件风险最小的决策，即? ???? 则就是最小风险贝叶斯决策。? ??三、实验内容? 假定某个局部区域细胞识别中正常和非正常两类先验概率分别为? 正常状态：P（w1）=0.9；? 异常状态：P（w2）=0.1。? 现有一系列待观察的细胞，其观察值为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 -3.9934????2.8792???-0.9780???0.7932????1.1882????3.0682 -1.5799???-1.4885???-0.7431???-0.4221????-1.1186????4.2532? 已知类条件概率是的曲线如下图： 类条件概率分布正态分布分别为N（-2，0.25）、N（2,4） 试对观察的结果进行分类。 四、实验要求?? 1）用matlab完成基于最小错误率的贝叶斯分类器的设计，要求程序相应语句有说明文字，要求有子程序的调用过程。 2）根据例子画出后验概率的分布曲线以及分类的结果示意图。 3）如果是最小风险贝叶斯决策，决策表如下：? 最小风险贝叶斯决策表： 请重新设计程序，完成基于最小风险的贝叶斯分类器，画出相应的条件风险的分布曲线和分类结果,并比较两个结果。 五、实验程序 最小错误率贝叶斯决策 分类器设计 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??-3.9934????2.8792????-0.9780??????0.7932?????1.1882????3.0682????-1.5799???-1.4885?????-0.7431???-0.4221????-1.1186????4.2532?]?pw1=0.9??pw2=0.1?e1=-2;?a1=0.5?e2=2;a2=2? m=numel(x)?%得到待测细胞个数? pw1_x=zeros(1,m)??%存放对w1的后验概率矩阵? pw2_x=zeros(1,m)??%存放对w2的后验概率矩阵 results=zeros(1,m)?%存放比较结果矩阵?? for?i?=?1:m? %计算在w1下的后验概率?? pw1_x(i)=(pw1*normpdf(x(i),e1,a1))/(pw1*normpdf(x(i),e1,a1)+pw2*normpdf(x(i),e2,a2))?? %计算在w2下的后验概率? pw2_x(i)=(pw2*normpdf(x(i),e2,a2))/(pw1*normpdf(x(i),e1,a1)+pw2*normpdf(x(i),e2,a2))? end? for?i?=?1:m? if?pw1_x(i)pw2_x(i)??%比较两类后验概率 ?????????result(i)=0?%正常细胞 else? ????? result(i)=1?%异常细胞 ?????end end?? a=[-5:0.05:5]??%取样本点以画图?n=numel(a)? pw1_plot=zeros(1,n) pw2_plot=zeros(1,n)? for?j=1:n? pw1_plot(j)=(pw1*normpdf(a(j),e1,a1))/(pw1*normpdf(