模式识别作业.docVIP

根据最小错误率贝叶斯判别函数和决策面的有关公式，在多元正态概率型(p(x|)～N(，)，i=1 ，…，c)，根据判别函数(x)=lnp(x|)+lnp()，可得到多元正态型判别函数为： (x)=--ln2-ln||+lnP() 而相应的决策面方程为: 决策面方程 通用表达式: gi(X)－gj(X)＝0 策面方程为(x)=(x) 由题目说明可知，由于先验概率相等，故公式中最后一项不加考虑，第二项与类别i无关，亦不考虑。并且当类协方差矩阵相同或不同时对应决策面方程如下： ⒈各类协方差矩阵都相等时决策面方程为wT(x-x0)=0，其中w=∑-1(μi-μj)，且当各类先验概率相同时x0=1/2 (μi+μj)。 ⒉各类协方差不相同时决策面方程为xT(Wi-Wj)x+(wi-wj)Tx+ωi0-ωj0=0。式中Wi=-1/2∑i-1(d×d矩阵)，wi=∑i-1μi(d维列向量)，ωi0=-1/2μTi∑i-1μi-1/2ln|∑i|+lnP(ωi)。而此时的判别函数为gi(x)=xTWix+ωiTx+ωi0 ⒊式中∑i为类协方差矩阵，在题中对应aa1 (i=1)。∑i-1为类协方差逆矩阵，在题中对应aa11(i=1)。xT表示矩阵x的转置矩阵，μi表示i类矩阵的均值矩阵(列向量形式)，题中对应ui(i=1)。 一, 1.当两类协方差不相等时： D1=[1,1;1,0;2,-1;]; %向量每一行为一个样本，共三个样本。 disp(D1) %第一列第二列分别为特征值x1、x2 1 1 1 0 2 -1 D2=[-1,1;-1,0;-2,-1;]; disp(D2) -1 1 -1 0 -2 -1 aa1=cov(D1) %cov()求矩阵的协方差矩阵 aa1 = 0.3333 -0.5000 -0.5000 1.0000 aa11=inv(aa1) %inv()求矩阵的逆矩阵 aa11 = 12.0000 6.0000 6.0000 4.0000 a2=cov(D2) a2 = 0.3333 0.5000 0.5000 1.0000 a22=inv(a2) a22 = 12.0000 -6.0000 -6.0000 4.0000 u1=mean(D1,2) %求矩阵D1每一列的均值，且以列向量结果形式给出 u1 = 1.3333 0 u2=mean(D2,2) u2 = -1.3333 0 W1=-0.5* aa11 W1 = -6.0000 -3.0000 -3.0000 -2.0000 W2=-0.5*a22 W2 = -6.0000 3.0000 3.0000 -2.0000 w1= aa11*u1 w1 = 16.0000 8.0000 w2=a22*u2 w2 = -16.0000 8.0000 w10=-0.5*u1* aa11*u1-0.5*log(det(aa1)) w10 = -9.4242 w20=-0.5*u2*a22*u2-0.5*log(det(a2)) w20 = -9.4242 syms x1 x2; %定义变量x1、x2 x=[x1;x2]; %定义列向量x fprintf(决策面方程为:) D=x*(W1-W2)*x+(w1-w2)*x+(w10-w20); pretty(D) %给出函数D的直观表达形式 -6 conj(x2) x1 - 6 conj(x1) x2 + 32 x1 value=subs(D,{x1,x2},[2 0]) %把待定样本点[2 0]带入函数D value =64 figure %绘制函数D的图形 ezplot(D) ho