模式识别期末论文一.doc

深圳大学研究生课程：模式识别理论与方法 课程作业实验报告 实验名称：Generating Pattern Classes 实验编号：Proj01-01 姓 名：萧嘉慰 学 号：2110130216 规定提交日期：2012年3月 20 日 实际提交日期：2012年 3月16日 摘 要：本实验利用matlab函数生成符合要求的高斯数据，高斯二维向量，是一个随机向量，其中每一个分量都是随机变量，服从正态分布。但是一个二维随机向量不仅要求考虑每个分量单独的分布，还要考虑两个随机变量之间的关系。d维特征向量的正态分布用下式表示 其中μ是X的均值向量，也是d维Σ是d×d维协方差矩阵，而Σ－1是Σ的逆矩阵，|Σ|是Σ的行列式Σ是非负矩阵，在此我们只考虑正定阵，即|Σ|＞0。 实验结果与讨论： 用N=12个维数d=4的模式对(a)(b)两小题的函数进行验证，可得 x = 4.4978 1.1886 6.6288 9.4290 6.3066 4.5246 6.4257 5.6595 4.0687 -0.9581 1.9604 2.8044 5.7615 9.1604 6.8586 7.0851 -0.4911 -1.4428 6.4217 2.6478 5.4573 1.7835 8.9517 8.9920 -0.9689 7.0459 3.5095 4.7491 5.5540 5.1825 5.2884 0.4576 4.9927 9.4878 9.9568 3.9730 -0.1258 -5.9344 -2.2861 -2.4911 -2.3021 2.8159 2.9464 1.8581 -1.0801 3.1506 3.5050 1.1679 y = 1.0e+004 * 1.2122 0.3220 0.1949 2.5577 取c=5，N=120，先验概率分别为0.3,0.2,0.1，0.2，0.2高斯分布的均值为m和方差s我取了5个不同的值。 a = -0.3165 -0.3280 1.0013 0.3863 0.8911 1.3379 2.5540 2.3559 -0.9095 -0.1558 0.5604 0.4633 1.6360 1.4511 -0.2903 -6.0656 1.1772 -0.1370 -1.7837 -6.7865 -0.1049 0.0714 2.1562 4.1794 1.1908 0.4188 2.6178 7.0571 1.6076 0.6126 1.5653 1.0435 -0.1695 -2.3078 -2.9594 -3.2136 0.4445 -0.4346 0.0412 -1.1610 0.7135 0.6218 1.3816 2.6498 0.8595 -0.1705 -1.8073 -6.6170 0.3367 -0.4019 -1.1724 -4.4115 0.2148 -1.8203 -1.8551 -1.0817 -1.0950 -2.8434 -3.8206 -6.0875 1.0621 1.0938 3.0514 6.2459 0.5220 0.0326 -0.3737 -1.6335 0.6571 0.5744 0.8667 1.6935 -1.0178 -1.3015 -1.2357 -2.5661 0.5701 -0.1029 1.6972 2.9314 2.6210 1.2784 -0.3244 -2.0402 -0.2154 -1.2240 -1.1853 -2.1451 1.9643 2.4727 2.7363 0.5861 -1.2705 -4.6168 -6.8258 -8.931