- 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)。
查看更多
模式识别作业第四章2
第四章作业2
4.5 设有两类一维模式,每一类都是正态分布,两类的均值和均方差分别为,;,。
采用(0-1)损失函数,且。
(1)试绘出两类模式的密度函数曲线,其判别界面位于何处?
(2)若已获得样本:-3,-2,1,3,5,试判断它们各属于哪一类。
解:(1)两类模式的密度函数曲线如下图:matlab程序如下:
syms x y
u1=0;delta1=2;u2=2;delta2=2;
ezplot(sqrt(1/(2*pi))/delta1*exp(-(x-u1)^2/(2*delta1^2))-y);hold on;
ezplot(sqrt(1/(2*pi))/delta2*exp(-(x-u2)^2/(2*delta2^2))-y);
axis([-4 6 0 0.2]); title(两类模式的密度曲线);
又由题意可得: (式1)
(式2)
因为采用(0-1)损失函数,且
所以,即时,,否则
从而有:时,,否则
整理得:时,,否则
故其判别界面位于处
(2)由(1)可知-3和-2属于第一类,3和5属于第二类,而1可能属于第一类也可能属于第二类。
4.6 有两个一维模式类,其概率密度函数如图4.20所示。
(1)若用(0-1)损失函数且先验概率相等,试导出其贝叶斯决策
的判别函数。
(2)求出判别界面的位置。
(3)已知样本:0, 2.5, 0.5, 2, 1.5,判断它们各属于哪一类。
解:(1)由题意可得:
,,
由贝叶斯判别函数可知,有
时,,否则
从而有,即,即时,,否则,即为所求
(2)由(1)可知判别界面为:
(3)由以上求解可知:0和0.5属于,2和2.5属于,而1.5可能属于,也可能属于
4.7 设两类模式和具有正态分布密度函数,,,,。若用(0-1)损失函数,试写出对数似然比决策规则。
解:本题为二维正态分布
时,,否则
而,所以判别函数规则为:
时,则,否则
即将判给离它较近的那个类
令带入判别函数整理得:时,则,否则
4.8 已知服从正态分布的两类训练样本集分别为
:,,,,
:,,,
,试问属于哪一类?
解:matlab程序如下:
x1=[1 1 0 -1 -1;0 1 1 1 0];x2=[0 1 0 -1;-1 -2 -2 -2];
plot(x1(1,:),x1(2,:),ro,linewidth,2,MarkerEdgeColor,k,MarkerFaceColor,[1 0 0],MarkerSize,10);
hold on;
plot(x2(1,:),x2(2,:),bo,LineWidth,2, MarkerEdgeColor,k,MarkerFaceColor,[0 1 0],MarkerSize,10);
u1=sum(x1,2)/5;
u2=sum(x2,2)/4;
s1=x1-u1*ones(1,5);
S1t=s1*s1/5;
s2=x2-u2*ones(1,4);
S2t=s2*s2/4;
%两类协方差不同,故采用协方差不同的时候的二次曲线的分类边界
pw1=0.5;pw2=0.5;
S1tinv = inv(S1t); S2tinv = inv(S2t);
W1=-1/2 * S1tinv; W2=-1/2 * S2tinv;
w1=S1tinv*u1; w2=S2tinv*u2;
w10=-1/2 * u1*S1tinv*u1 - 1/2 *log(det(S1t)) + log(pw1);
w20=-1/2 * u2*S2tinv*u2 - 1/2 *log(det(S2t)) + log(pw2);
t2=[];
for t1=-7:7
tt2 = fsolve(@bayesia_fun,5,[],t1,W1,W2,w1,w2,w10,w20);
t2=[t2,tt2];
end
plot(-7:7,t2,b,LineWidth,3);
xlabel(x);ylabel(y);title(贝叶斯分类器);
%判断X属于的类
x=[0 0];
plot(x(1),x(2),ko,linewidth,2,MarkerEdgeColor,k,MarkerFaceColor,[0 0 1],MarkerSize,10);
text(x(1)-0.4,x(2)+0.1,x(0,0));
f=x*W1*x+w1*x+w10-(x*W2*x+w2*x+w20);
if f0
disp(x属于w1);
else
disp(x属于w2);
end
附:定义函数bayesia_fun.m
function f=bayesia_fun (t2,t1,W1,W2,
文档评论(0)