模式识别报告二.doc

  1. 1、本文档共13页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第二次试验报告 一 实验名称 贝叶斯分类器设计(最小风险贝叶斯决策和最小错误率贝叶斯抉择) 二 实验原理 最小错误率: 合理决策依据:根据后验概率决策 已知后验概率P(w|x), P(w|x), 21决策规则: ? 当P(w|x)>P(w|x) x?w, 112? 当P(w|x)<P(w|x) x?w 221? ?当对具体样本作观察后,判断出属于w 的可能性后,再决策i才合理。 ? 后验概率的计算方法: p(x/w)P(w)p(x/w)P(w)iiii?|wP(x)? icp(x)?)(P)/x(pwwii1i? 最小风险: 1. 已知类别的P(w)及x的p(x/w),利用贝叶斯公式,可得类别ii的后验概率P(w /x)。 ip(x/w)?P(w) ii?)/P(wx ic?)(w/w)Pp(x ii1?i 利用决策表和后验概率,计算最小条件风险2. 决策:在各种决策中选择风险最小的决策3. 实验内容三 )和非正常 假定某个局部区域细胞识别中正常( w1? w2)两类先验概率分别为 ( w1)=0.9;(正常状态:? P 。=0.1)w2(P异常状态: ? 现有一系列待观察的细胞,其观察值为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 -0.9780 0.7932 1.1882 3.0682 -1.5799 -1.4885 -0.7431 -0.4221 -1.1186 4.2532 ? 类条件概率分布正态分布分别为(-2,0.5)(2,2)试对观察的结果进行分类。 四 实验步骤及贴图 步骤: ? 1.用matlab完成分类器的设计,说明文字程序相应语句,子程序有调用过程。 ? 2.根据例子画出后验概率的分布曲线以及分类的结果示意图。 ? 3.最小风险贝叶斯决策,决策表如下: ? 重新设计程序,完成基于最小风险的贝叶斯分类器,画出相应 并比较两个结果。,的后验概率的分布曲线和分类结果 最小风险 ? 最小风险贝叶斯决策: ? 带红色虚线曲线是异常细胞的条件风险曲线;青色圆圈曲线是正常细胞的条件风险曲线 ? 根据贝叶斯最小风险判决准则,判决结果显示在曲线下方: ? 五角星代表判决为正常细胞,*号代表异常细胞 ? 各细胞分类结果(0为判成正常细胞,1为判成异常细胞): ? 1 0 0 0 0 0 0 0 0 0 0 0 1 1 0 1 1 1 0 0 0 1 0 1 1 ? ? ? 最小风险 ? 最小错误率: 后验概率曲线与判决显示在上图中?后验概率曲线:带红色虚线曲线是判决为异常细胞的后验概率? 曲线 青色实线曲线是为判为正常细胞的后验概率曲线? 根据最小错误概率准则,判决结果显示在曲线下方:? 号代表异常细胞*? 五角星代表判决为正常细胞, :为判成异常细胞)1为判成正常细胞,0各细胞分类结果( ? ? 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 1 1 0 0 0 1 0 1 1 ? ? ? 实验代码 最小错误率:clear all; clc; -2.8531 -0.7932 -3.5549 -1.2401 -0.9780 x=[-3.9847 -3.0752 -3.4549 -3.5414 -2.2692 -2.7605 -3.7287 3.0682 0.7932 1.1882 -3.9934 2.8792 -0.9780 4.2532 ] -1.1186 0.7431 -0.4221 -1.5799 -1.4885 pw1=0.9; pw2=0.1; e1=-2; a1=0.5; e2=2;a2=2; 得到待测细胞个数 % m=numel(x); 的后验概率矩阵w1 %存放对pw1_x=zeros(1,m); 的后验概率矩阵w2存放对% pw2_x=zeros(1,m); results=zeros(1,m); %存放比较结果矩阵 for i = 1:m %计算在w1下的后验概率 pw1_x(i)=(pw1*normpdf(x(i),e1,a1))

文档评论(0)

sandajie + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档