模式识别作业第二章.docVIP

第二章作业 2.3.一个样本分类问题中使用了一个特征x，以及两个类别的点集合：。 a).在二维空间里，分别应用特征y1=x和特征y2=x2为这两类设计一个线性决策方程。 b).在原始特征空间里确定一个二次型分类器，使得它与上一问中的线性分类器相对应。 解：由题知，且 a).由特征和特征可得 则在y1,y2坐标系中用matlab做出二维分布如下图： Matlab程序如下： y=[-2,1,1.5,-1,-0.5,0;4,1,1.5^2,1,0.25,0]; y1=y(1,:);y2=y(2,:); [m,n]=size(y); for i=1:n if i4 plot(y1(i),y2(i),d);hold on; else plot(y1(i),y2(i),x);hold on; end end 在上图中做出合适的判别函数分界线，如下： 总程序如下： y=[-2,1,1.5,-1,-0.5,0;4,1,1.5^2,1,0.25,0]; x=[1 1 1 -1 -1 -1]; %x为输出目标 y1=y(1,:);y2=y(2,:);N=100; [m,n]=size(y); for i=1:n if i4 plot(y1(i),y2(i),d);hold on; else plot(y1(i),y2(i),x);hold on; end end %找出分类判别函数 w=[2,-1,0];y(3,:)=1;k=0; v=zeros(1,n); for p=1:N %N是前面定义的100，防止死循环 k=k+1; %k为循环次数 for i=1:n d=sgn(w*y(:,i)); if d==x(:,i) v(1,i)=d; else w=w+(x(:,i)-d)*y(:,i); %修正w end end if v==x break;%满足跳出循环 else end end if k=100 disp(error);%当循环超过100次，报错，当然这里k最大到100 else w,k a=w(1,1);b=w(2,1);c=w(3,1); x=-3:0.01:2; plot(x,-a/b*x-c/b)%画判别函数分界线 xlabel(Y1);ylabel(Y2); end 运行结果： w = 3.0000 4.5000 -5.0000 k = 4 附：程序中所使用的sgn.m函数： function sgn=sgn(x) if x0 sgn=1; elseif x0 sgn=-1; else sgn=0; end end b).由a)知二维修正权值，则可写出判别函数为： ，又，则可以得到原始一维特征空间与之相对应的二次型分类器为： 作图如下: 程序如下： x=[-2,1,1.5,-1,-0.5,0]; for i=1:6 if i4 plot(x(1,i),0,d);hold on else plot(x(1,i),0,x);hold on end end ezplot(3*x+4.5*x^2-5,[-2.5 2]) xlabel(x);ylabel(d(x)); 2.5.考虑在具有两个典型模式点时等距离面的情况，在两维空间中使用棋盘格距离尺度和切比雪夫距离尺度，如图2-10所示。在哪种情况下得到的决策函数对应于简单直线？ 答:棋盘格距离尺度和切比雪夫距离尺度决策面都是阶梯状的直线。 棋盘格距离尺度决策面基本是平行于x轴。如果每一类数据沿轴向分布，则适合用棋盘格距离尺度来划分类。此时用棋盘格距离尺度更接近于简单直线。 切比雪夫距离尺度决策面基本平行于xy轴的对角线方向。如果每一类数据沿象限二等分线分布，则适合用切比雪夫距离尺度来划分类。此时用切比雪夫距离尺度更接近于简单直线。 Decision surfaces of the city-block metric and the Chebychev metric are both stepped straight lines. The city-block metric is well suited for separating flattened clusters aligned along the axes.