《模式识别》课程实验线性分类器设计实验.docVIP

《模式识别》课程实验 线性分类器设计实验 一、实验目的： 1、掌握Fisher线性分类器设计方法； 2、掌握感知准则函数分类器设计方法。 二、实验内容： 1、对下列两种情况，求采用Fisher判决准则时的投影向量和分类界面，并做图。 2、对下面的两类分类问题，采用感知准则函数，利用迭代修正求权向量的方法求两类的线性判决函数及线性识别界面，并画出识别界面将训练样本区分的结果图。 三、实验原理： （1）Fisher判决准则投影方向： （2）感知准则函数： 当为空时，即，即为所求 四、解题思路: 1、fisher线性判决器： A.用mean函数求两类样本的均值 B.求两类样本的均值的类内离散矩阵Si C.利用类内离散矩阵求总类内离散矩阵Sw D.求最佳投影方向Wo E.定义阈值，并求得分界面 2、感知准则函数分类器： A.获得增广样本向量和初始增广权向量 B.对样本进行规范化处理 C.获得解区，并用权向量迭代修正错分样本集，得到最终解区 五、实验结果： 1、fisher线性判决分类器： 条件：取pw1=pw2=0.5,阈值系数为0.5 第一种情况 B.第二种情况 2、感知准则函数判决： 条件：取步长row为1 判决结果： 六、结果分析： 1、fisher线性判决器中，调整阈值系数时，分界面会随之平行上下移动，通过调整阈值系数的大小，就能比较合理的得到分界面。而投影方向不会随阈值系数的变化而变化。 2、fisher线性判决器中，由于题目中样本数目少，所以其先验概率统一取为0.5。而改变其先验概率对结果的影响不是很大。 3、感知准则函数分类判决中，调整步长row的大小可使分界面的方向和位置发生变动，但是变动范围不大，仅限于小范围的调整。 七、源程序 function varargout = fisherganzhi(varargin) gui_Singleton = 1; gui_State = struct(gui_Name, mfilename, ... gui_Singleton, gui_Singleton, ... gui_OpeningFcn, @fisherganzhi_OpeningFcn, ... gui_OutputFcn, @fisherganzhi_OutputFcn, ... gui_LayoutFcn, [] , ... gui_Callback, []); if nargin ischar(varargin{1}) gui_State.gui_Callback = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % --- Executes just before fisherganzhi is made visible. function fisherganzhi_OpeningFcn(hObject, eventdata, handles, varargin) handles.output = hObject; % Update handles structure guidata(hObject, handles); % --- Outputs from this function are returned to the command line. function varargout = fisherganzhi_OutputFcn(hObject, eventdata, handles) varargout{1} = handles.output; % --- Executes on button press in pushbutton2. function pushbutton2_Callback(hObject, eventdata, handles) pw1=str2num(get(handles.edit1,String)); pw2=str2num(get(handles.edit2,String)); k=str2num(get(handles.edit3,String)); w1=[1 1;2 0;2 1;0 2;1 3]; w2