《模式识别》课程实验线性分类器设计实验.docVIP

《模式识别》课程实验 线性分类器设计实验 一、 实验目的： 1、 掌握Fisher线性分类器设计方法； 2、 掌握感知准则函数分类器设计方法。 二、 实验内容： 1、 对下列两种情况，求采用Fisher判决准则时的投影向量和分类界 面，并做图。 jy1={(2,0)7，(2,2)7,(2,4)r，(3,3)r} 衅={(0,3)r，(-2,2)r，(-l，-l/，(l，-2)r，(3，-l)r} 了叫={(1, l)r，(2,0/ ,(2,1/,(0,2/,(1,3/} y2 = {(-1, 2)t , (0,0/, (-1,0)r, (-1, -l)r, (0, -2,} 2、 对下面的两类分类问题，采用感知准则函数，利用迭代修正求权 向量的方法求两类的线性判决函数及线性识别界面，并画出识别界面 将训练样本区分的结果图。 了叫={(1,1/，(2,0/ ,(2,1/,(0,2/,(1,3/} y2 = {(-1, 2)t , (0,0/, (-1,0)r, (-1, -l)r, (0, -2,} 三、 实验原理： Fisher判决准则投影方向： W =丈⑷_/4) 感知准则函数： 人(v)=Z(-心) 2=/ 当为空吋，即人⑺“，V*即为所求 、解题思路： 1、 fisher线性判决器： 用mean函数求两类样本的均值 求两类样本的均值的类内离散矩阵Si 利用类内离散矩阵求总类内离散矩阵Sw 求最佳投影方向Wo 定义阈值，并求得分界面 2、 感知准则函数分类器： 获得增广样本向量和初始增广权向量 对样本进行规范化处理 获得解区，并用权向量迭代修正错分样本集，得到最终解区 五、实验结果： 1、fisher线性判决分类器： 条件：取pwl=pw2=0. 5,阈值系数为0. 5 fi she磯;性判决 PW1Pw2 PW1 Pw2 阈值系数 A. 第一种情况 B.第二种情况 2、感知准则函数判决: 条件：取步长row为1 感知准则 判决结果: 六、结果分析： 1、 Hsher线性判决器中，调整阈值系数时，分界面会随之平行上下 移动，通过调整阈值系数的大小，就能比较合理的得到分界面。而投 影方向不会随阈值系数的变化而变化。 2、 Hsher线性判决器中，由于题目中样本数目少，所以其先验概率 统一取为0. 5。而改变其先验概率对结果的影响不是很大。 3、感知准则函数分类判决中，调整步长row的大小可使分界面的方 向和位置发生变动，但是变动范围不大，仪限于小范围的调整。 七、源程序 function varargout = fisherganzhi(varargin) mfilename, gui_Singleton, ?… mfilename, gui_Singleton, ?… @ fisherganzhi_OpeningFcn, @fisherganzhi_OutputFcn, [],??? []); gui一State = struct(1gui_Name1, !gui一Singleton ’， ’ gui_0peningFcn * 1gui_OutputFcn1, ’ gui_LayoutFcn1, ▼gui_Callback1, if nargin ischar(varargin{1}) gui_State.gui_Callback = str2func (varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % Executes just before fisherganzhi is made visible. function fisherganzhi_OpeningFcn(hObjectz eventdata, handles, varargin) handles.output = hObject; % Update handles structure guidata(hObject, handles); % Outputs from this function are returned to the command line. function varargout = fisherganzhi_OutputFcn(hObject, eventdata, handles) varargout{1} = handles.output; % Executes on button press in pushbutton2. function pushbutton2_Callback(hObjec