- 1、本文档共13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project有程序有报告
学号:2004211200 工程物理系研11 姓名:***
模式识别project
第一部分
内容概述:通过设计线性分类器;最小风险贝叶斯分类器;监督学习法分层聚类分析;K-L变换提取有效特征,设计支持向量机对给定样本进行有效分类并分析结果。
利用合适的特征设计线性分类器区分汽车和背景两类数据,并分析结果。
1.进行训练样本集和测试样本集的划分:将所给的n个样本随机的分成两个子集,每个子集有n/2个样本。利用其中的一个子集作为训练样本集设计分类器,然后用另一个子集进行测试,计算错误率。随机选取多次,求出平均错误率,作为性能指标。
2.每个样本的特征有252个,其中前12个为第四层高频系数,中间48个是第三层高频系数,后192个是第二层高频系数。所以可以考虑从252维特征中选取不同的多个特征,分析其各自的分类效果,进行比较。
内容:
1.编写子程划分训练样本集和测试集,调用该子程将所给的每类样本数据划分成250个训练样本和250个测试样本两类。
实现:通过随机数函数,产生随机数组下标,达到随机划分两类样本集的目的。
%随机划分训练样本集和测试样本集
function [name_tr,name_test]=randQ(x)
j=1;k=1;
tr(250,252)=0;
test(250,252)=0;
for i=1:500
if(rand=0.5)
if (j250)
for a=1:252
test(k,a)=x(i,a);
end
k=k+1;
else
for a=1:252
tr(j,a)=x(i,a);
end
j=j+1;
end
else
if(k250)
for a=1:252
tr(j,a)=x(i,a);
end
j=j+1;
else
for a=1:252
test(k,a)=x(i,a);
end
k=k+1;
end
end
end
name_tr=tr;
name_test=test;
2.要求自行选择特征,设计线性分类器把汽车和背景两类数据区分。
选用最小欧式距离判别准则设计线性分类器:
; ;
判别函数:
;
;
源代码:
%根据最小欧式距离判别准则设计线性分类器
load vehicle;
load background;
for j=1:10
k_s=1;
k_d=252;
vec_tr(250,252)=0;
vec_test(250,252)=0;
[vec_tr,vec_test]=randQ(vehicle);
randQ(background);
bg_tr(250,252)=0;
bg_test(250,252)=0;
[bg_tr,bg_test]=randQ(background);
M_vec=vec_tr(1,k_s:k_d);
for i=2:250
M_vec=M_vec+(vec_tr(i,k_s:k_d));
end
M_vec=M_vec/250;
M_bg=bg_tr(1,k_s:k_d);
for i=2:250
M_bg=M_bg+(bg_tr(i,k_s:k_d));
end
M_bg=M_bg/250;
d_vec=(M_vec*M_vec)/2;
d_bg=(M_bg*M_bg)/2; %求取分类器对应的各参数
flag_vec(250)=0;
flag_bg(250)=0;
dk_vec=0;
dk_bg=0;
for i=1:250
dk_vec=vec_test(i,k_s:k_d)*M_vec-d_vec; %设计线性分类器
dk_bg=vec_test(i,k_s:k_d)*M_bg-d_bg;
if(dk_vec=dk_bg)
flag_vec(i)=1;
else flag_vec(i)=0;
end
end
s1_vec=sum(flag_vec);
for i=1:250
dk_vec=bg_test(i,k_s:k
您可能关注的文档
- 高三数学课外训练57与58.doc
- 第2章基本运算电路.ppt
- 稳定与降解(第二章)3(四川大学.ppt
- 治超讲话.doc
- 八年级数学下册期末专题复习.doc
- 英美文学名词中英互译.doc
- 胶州市心理健康活动周总结.doc
- PPT模板--浪漫玫瑰.ppt
- 小语教法的的选择应遵循的原则文档.doc
- vf复习题3.doc
- 浙江金华市公共资源交易中心永康市分中心编外人员招考聘用笔试历年典型考题及考点研判与答案详解.docx
- 浙江宁波慈溪市政协办公室招考聘用编外工作人员笔试历年典型考题及考点研判与答案详解.docx
- 浙江金华永康市西溪镇人民政府招考聘用笔试历年典型考题及考点研判与答案详解.docx
- 福建南平市公安局建阳分局招考聘用辅警笔试历年典型考题及考点研判与答案详解.docx
- 浙江嘉兴海盐县武原街道基层残疾人工作专职委员(公益岗位)招考聘用笔试历年典型考题及考点研判与答案详解.docx
- 浙江宁波知识产权保护中心招考聘用工作人员笔试历年典型考题及考点研判与答案详解.docx
- 浙江杭州建德市面向2024届普通高校毕业生招考聘用教师(第二批)16人笔试历年典型考题及考点研判与答案详解.docx
- 浙江省台州中学面向2024届普通高校毕业生招考聘用教师12人笔试历年典型考题及考点研判与答案详解.docx
- 湖北师范大学体育学院专任教师招考聘用笔试历年典型考题及考点研判与答案详解.docx
- 重庆市南岸区教育事业单位面向2024届高校毕业生招考聘用114人笔试历年典型考题及考点研判与答案详解.docx
最近下载
- 2024-2030年中国共享制造行业市场深度分析及投资决策建议报告.docx
- 《DB22T 1718-2012 木材生产劳动定额》.pdf
- 管理英语4Unit-7-学前热身-会话演练-边学边练-写作训练等参考答案.docx
- 小儿百日咳的.pptx
- 建筑节能工程试题及答案.doc
- 日语 使役现.ppt
- prominent普罗名特-操作手册-操作说明书-加药系统溶药装置Ultromat® ULPa.pdf
- 江苏省扬州市育才小学2022-2023学年六年级下学期期末语文试卷.docx VIP
- 手机行业促销员销售技巧培训教程教本.ppt
- 成本分析报告-碧桂园高层项目(施工企业建筑公司).ppt VIP
文档评论(0)