人名识别实验报告.docxVIP

人名识别实验报告 篇一：学号姓名计算机基础实验报告 　　滁州职业技术学院 　　实验报告 　　学号： XX1501229 　　姓名： 刘明星　　班级： 计算机应用（2）课程名称： 计算机应用基础　　指导教师： 孟龙梅 　　XX/XX学年第一学期 　　目录　　文字录入 ........................................................................................................................ 1　　Windows XP操作 ......................................................................................................... 3　　Word XX操作 ............................................................................................................ 6　　Excel XX操作 ............................................................................................................ 8　　PowerPoint XX操作 ................................................................................................. 10篇二：模式识别实验报告　　Bayes分类器设计　　【实验目的】　　对模式识别有一个初步的理解，能够根据自己的设计对贝叶斯决策理论算法有一个深刻地认识，理解二类分类器的设计原理。　　【实验原理】　　Bayes分类器的基本思想是依据类别先验概率和条件概率密度，按照某种准则使分类结果从统计上讲是最佳的。换言之，根据类别先验概率和条件概率密度将模式空间划分成若干个子空间，在此基础上形成模式分类的判决规则。准则函数不同，所导出的判决规则就不同，分类结果也不同；使用哪种准则或方法应根据具体问题来确定。　　【实验内容】　　分别设计最小错误率的Bayes分类器和最小风险Bayes分类器，并对测试集进行分类，观察代价函数的设置对分类结果的影响；　　【实验要求】　　理解基于Bayes决策理论的随机模式分类的原理和方法，掌握基于最小错误率的贝叶斯决策和基于最小风险的贝叶斯决策，并能够对贝叶斯规则给出具体的实现。　　【实验程序】　　最小错误率贝叶斯决策　　分类器设计　　x=[-3.9847-3.5549 -1.2401-0.9780 -0.7932-2.8531-2.7605 -3.7287 -3.5414-2.2692 -3.4549 -3.0752 -3.9934 2.8792 -0.97800.7932　　1.1882 3.0682 -1.5799-1.4885 -0.7431-0.4221 -1.1186 4.2532 ] pw1=0.9 ; pw2=0.1　　e1=-2; a1=0.5　　e2=2;a2=2　　m=numel(x) %得到待测细胞个数　　pw1_x=zeros(1,m) %存放对w1的后验概率矩阵　　pw2_x=zeros(1,m) %存放对w2的后验概率矩阵　　results=zeros(1,m) %存放比较结果矩阵　　for i = 1:m　　pw1_x(i)=(pw1*normpdf(x(i),e1,a1))/(pw1*normpdf(x(i),e1,a1)+pw2*normpdf(x(i),e2,a2)) %计算在w1下的后验概率　　pw2_x(i)=(pw2*normpdf(x(i),e2,a2))/(pw1*normpdf(x(i),e1,a1)+pw2*normpdf(x(i),e2,a2)) %计算在w2下的后验概率　　end　　for i = 1:m　　if pw1_x(i)gt;pw2_x(i) %比较两类后验概率　　result(i)=0 %正常细胞　　else　　result(i)=1 %异常细胞　　end　　end　　a=[-5:0.05:5] %取样本点以画图　　n=numel(a)　　pw1_plot=zeros(1,n)　　pw2_plot=zeros(1,n)　　for j=1:n　　pw1_plot(j