模式识别系列实验指导书..docxVIP

《模式识别系列实验》实验指导书授课教师：曹晓光、李露单位：北京航空航天大学 宇航学院图像中心2015-4-10课程名称：模式识别系列实验（Pattern Recognition Experiments）实验总学时数：16实验室地点：北京航空航天大学宇航学院图像中心 新主楼D408实验要求与目的： 模式识别系列实验是自动化一级学科模式识别与智能系统专业硕士研究生所必修的实验课。在学习完成模式识别理论课的基础上，模式识别系列实验引导学生重温模式识别各分支和方法的基本概念和原理，并在计算机上进行验证实验，实际操作和观察图像模式识别的过程、运行结果，提倡学生对现有程序的修改和完善。通过实验使学生掌握应用模式识别基本原理和基本方法解决实际问题的基本技巧，培养学生应用理论知识解决实际问题的能力。模式识别系列实验要求学生有一定计算机软硬件、概率论、数理统计以及矩阵理论基础，并选修了模式识别学科专业基础课程。本实验课程的基本要求如下：1 ．通过实验加深对《模式识别》理论课堂所学知识的理解；2 ．上机前应按照要求把实验内容准备好，观察实验结果，得出结论； 3．实验结束后提交实验报告实验项目与内容提要序号实验性质实验内容实验形式要求学时备注必做选做1基础感知器学习与分类实验按指导书要求完成实验1人/组2√2BP网络学习与分类实验按指导书要求完成实验1人/组3√3分级聚类实验按指导书要求完成实验1人/组3√4提高基于非参数核密度估计的行人分割查阅文献，编程实现1人/组4√5基于贝叶斯理论的显著性目标检测查阅文献，编程实现1人/组4√实验考核：采用实验操作与实验报告综合评分实验一 感知器学习与分类实验实验目的：理解感知器的原理和网络结构掌握感知器的学习规则熟悉Matlab软件环境和神经网络工具模块锻炼算法设计编程与上机调试能力实验要求： 一、对实验过程的要求：编程实现w1，w2类以及w2，w3类的分类w1=[.1 6.8 -3.5 2.0 4.1 3.1 -0.8 0.9 5.0 3.9; 1.1 7.1 -4.1 2.7 2.8 5.0 -1.3 1.2 6.4 4.0]; w2=[7.1 -1.4 4.5 6.3 4.2 1.4 2.4 2.5 8.4 4.1;4.2 -4.3 0.0 1.6 1.9 -3.2 -4.0 -6.1 3.7 -2.2]; w3=[-3.0 0.5 2.9 -0.1 -0.4 -1.3 -3.4 1 -5.1 1.9; -2.9 8.7 2.1 5.2 2.2 3.7 6.2 3.4 1.6 5.1];w4=[-2.0 -8.9 -4.2 -8.5 -6.7 -0.5 -6.7 -8.7 -7.1 -9.0；-8.4 0.2 -7.7 -3.2 -4.0 -9.2 -6.7 -6.4 -9.7 -6.3 ]二、回答以下问题：1）从a=0开始，将你的程序应用在ω1和ω2的训练数据上。记下收敛的步数。 2）将你的程序应用在ω2和ω3类上，同样记下收敛的步数。3）试解释它们收敛步数的差别。 4）提高部分：ω3和ω4的前5个点不是线性可分的，请手工构造非线性映射，使这些点在映射后的特征空间中是线性可分的，并对它们训练一个感知器分类器。分析这个分类器对剩下的（变换后的）点分类效果如何？实验环境： PC机、Windows XP操作系统、Matlab软件，利用Matlab自带的神经网络工具包，实现用感知器对二维样本的分类。实验原理： 感知器是由美国计算机科学家Rosenblatt于1957年提出的。感知器可谓是最早的人工神经网络。单层感知器是一个具有一层神经元、采用阈值激活函数的前向网络。通过对网络权值的训练，可以使感知器对一组输入向量的响应达到元素为0或1的目标输出。从而实现对输入向量分类的目的。图1给出了单层感知器神经元模型图。（本实验输入为二维向量） 图1 感知器神经元模型其中，每一个输入分量通过一个权值分量进行加权求和，并作为阈值函数的输入。偏差的加入使得网络多了一个可调参数，为使网络输出达到期望的目标向量提供了方便。感知器特别适合解决简单的模式分类问题。由感知器的网络结构，我们可以看出感知器的基本功能是将输入向量转化成0或l的输出。这一功能可以通过在输入向量空间里的作图来加以解释。感知器权值的调整目的，就是根据学习法则设计一条轨迹，使所有的输入向量都能达到期望位置的划分。对于一个n维的输入向量来说，这个轨迹为一个n-1维的超平面，在这个超平面以上的输入向量将产生一个值为1的输出，而在这个超平面以下的输入向量将产生一个值为0的输出。在MATLAB中，感知器的训练及学习法则都已经被编成了一个子程序并被集成在神经网络工具箱中。首先用newp函数创建感知器神经网络，再利用train函数创建神经网络，最后可以使用sim函