黄庆明 模式识别与机器学习 第四章 作业.pdfVIP

设有如下三类模式样本集ω1，ω2和ω3，其先验概率相等，求Sw和Sb ω1：{(1 0), (2 0), (1 1)}T T T ω2：{(-1 0), (0 1), (-1 1)}T T T ω3：{(-1 -1), (0 -1), (0 -2)}T T T 一般特征的散布矩阵准则 类内： c T Sw P( )E{(xm )(xm ) | }i i i i i 1 类间： c S P( )(m m )(m m )T b i i 0 i 0 i 1 每类的均值向量为： 4  2  1  m  3  m  3  m  3  1  1  2  2  3 4   3  3  3 2 1  2 1  2 1  1  9 9  1  9 9  1  9 9  S   w 31 2  3 1 2  31 2   9 9  9 9  9 9 2 1   9 27  1 2   27 9 总体均值向量为：  1  m  9  0 1   9 121 44  49 49  16 44  S 1  81 81 1  81 81 1  81 81  b 344 16  349 49  344 121   81 81   81 81  81 81 62 13   81 81 13 62   81 81 设有如下两类样本集，其出现的概率相等： ω1：{(0 0 0)T, (2 0 0) T, (2 0 1) T , (1 2 0) T} ω2：{(0 0 1)T, (0 1 0) T, (0 -2 1) T , (1 1 -2) T} 用K-L 变换，分别把特征空间维数降到二维和一维，并画出样本在该空间中的位置 （可用 matlab 计算）。 首先计算均值位置： T 1 1 T 1 T 3 1 1     m ( 5 2 1  1 0 0 )   2 4 4 4 4 8 所以将样本进行平移得： T T T T  3 1