模式识别报告.pdfVIP

Harbin Institute of Technology 模式识别报告 课程名称： 模式识别 院 系： 信号与信息处理 班 级： 电子2 班 姓 名： 赵德华 学 号： 11S005019 教 师： 宿富林 哈尔滨工业大学 1 目录 Harbin Institute of Technology1 目录2 实验一 C-均值算法与模糊C 均值聚类的比较3 实验要求3 实验原理3 实验结果与分析6 C 均值法6 模糊C 均值法7 试验程序7 C 均值法7 模糊C 均值法10 实验二 SVM 用于模式识别14 实验要求14 实验原理14 实验结果与分析16 试验程序19 Fisher 线性分类器及感知器20 实验要求20 实验结果20 试验程序21 Fisher 分类21 感知器分类22 样本产生函数23 2 实验一 C-均值算法与模糊C 均值聚类的比较 实验要求 表 1 用于C-均值算法与模糊C 均值聚类的比较实验的数据(X1、X2 、X3 是样本的特征) 样本 1 2 3 4 5 6 7 8 9 10 X1 -7.82 -6.68 4.36 6.72 -8.64 -6.87 4.47 6.73 -7.71 -6.91 X2 -4.58 3.16 -2.19 0.88 3.06 0.57 -2.62 -2.01 2.34 -0.49 X3 -3.97 2.71 2.09 2.80 3.50 -5.45 5.76 4.18 -6.33 -5.68 样本 11 12 13 14 15 16 17 18 19 20 X1 6.18 6.72 -6.25 -6.94 8.09 6.81 -5.19 -6.38 4.08 6.27 X2 2.81 -0.93 -0.26 -1.22 0.20 0.17 4.24 -1.74 1.30 0.93 X3 5.82 -4.04 0.56 1.13 2.25 -4.15 4.04 1.43 5.33 -2.78 利用表1 数据完成下面的实验： (1) 编写C-均值算法，并用上表数据按下列条件分别测试。 （a ） c=2(类别数) ；初始聚类的均值：m1(0)=(1,1,1),m2(0)=(-1,1,-1) （b ） c=2(类别数) ；初始聚类的均值：m1(0)=(0,0,0),m2(0)=(1,1,-1)。将得到的结果与（a ） 中结果比较，并解释差别，包括迭代次数的差别。 （c ） c=3(类别数) ；初始聚类的均值：m1(0)=(0,0,0),m2(0)=(1,1,1) ，m3(0)=(-1,0,2) （d ） c=3( 类别数 ) ；初始聚类的均值：m1(0)=(-0.1,0,0.1),m2(0