dfv[计算机]matlab 感知准则函数分类.docVIP

中国矿业大学计算机科学与技术系实验报告 课程名称 模式识别 实验名称 感知准则函数 班级信科 四 班 姓名 刘磊 学号 实验日期 2011.6.14 实验报告要求：1.实验目的 2.实验内容 3.实验原理 4.关键代码 5.运行结果 6.实验体会 一、实验目的： 学习和掌握关于感知准则函数的知识； 应用感知准则函数求解判决面，解决模式识别的分类问题； 二、实验内容 利用感知准则函数用感知准则函数的方法求解以下数据的判决面，学习率为，画出每次迭代法向量的变化轨迹，并画出最终的判决曲线。 样本 1 0.1 1.1 -3.0 -2.9 2 6.8 7.1 0.5 8.7 3 -3.5 -4.1 2.9 2.1 4 2.0 2.7 -0.1 5.2 5 4.1 2.8 -4.0 2.2 6 3.1 5.0 -1.3 3.7 7 -0.8 -1.3 -3.4 6.2 8 0.9 1.2 -4.1 3.4 9 5.0 6.4 -5.1 1.6 10 3.9 4.0 1.9 5.1 三、实验原理 决策面方程： 1. 线性可分性 如果对一个样本集N，总能找到一个增广权向量对该样本集所有样本实现正确分类，则这种情况称为具有线性可分性。 2. 样本的规范化 结论：规范化后合适的a能使所有的Y满足aTY 0 。 3. 解向量和解区 解向量：在线性可分的前提下，满足aTYn0，n=1,2,…,N 的权向量称为解向量。 解区：N个样本所对应的解向量a所在区域之交迭空间。在解区内的任一向量a能使所有样本得到正确划分。 四、关键代码 clear %产生第一类和第二类原始数据，分别赋值给w1和w2变量 w1=[0.1 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=[-3.0 0.5 2.9 -0.1 -4.0 -1.3 -3.4 -4.1 -5.1 1.9; -2.9 8.7 8 5.2 2.2 3.7 6.2 3.4 1.6 5.1]; %分别产生第一类和第二类增广样本向量集ww1、ww2 ww1=[ones(1,size(w1,2));w1]; ww2=[ones(1,size(w2,2));w2]; %产生第一类和第二类样本向量的规范化增广样本向量集w12 w12=[ww1,-ww2]; y=zeros(1,size(w12,2)); % 产生1x20的行向量，赋给y，初值全为0 a=[1;1;1]; %给权向量a赋初值 k=0; %k为迭代次数，a(0)=[1;1;1] while any(y=0) for i=1:size(y,2) y(i)=a*w12(:,i); end a=a+(sum((w12(:,find(y=0))))); k=k+1; end a %显示最终求得的权向量a的值 k %迭代次数值 figure(1) plot(w1(1,:),w1(2,:),r+) hold on plot(w2(1,:),w2(2,:),*) xmin=min(min(w1(1,:)),min(w2(1,:))); xmax=max(max(w1(1,:)),max(w2(1,:))); ymin=min(min(w1(2,:)),min(w2(2,:))); ymax=max(max(w1(2,:)),max(w2(2,:))); xindex=xmin-1:(xmax-xmin)/100:xmax+1; yindex=-a(2)*xindex/a(3)-a(1)/a(3); plot(xindex,yindex) 五、运行结果 (1)改变一个数据的图 (2)改变两个数据的图 a=(28.4000,37.1000,-28.5000) a=(29.2000, 39.7000, -29.3000) k =1986 k=384 六、实验体会 一开始，看到这个实验真是头都大了，看了好几遍书不知道怎么下手，最后在网上找了点资料还不能摸清头绪，静下心来好好看看书发现树上的步骤还是挺详细的，就是不清楚怎么下手去编。后来才恍然大悟。先通过matlab绘图找到了一组数据是错误的，将w2类里的(2.9,2.1)改为(2.9,6.0