模式识别——用身高和或体重数据进行性别分类.docVIP

模式识别——用身高和或体重数据进行性别分类 　　用身高和/或体重数据进行性别分类　 1、【实验目的】 （1）掌握最小错误率Bayes分类器的决策规则 （2）掌握Parzen窗法 （3）掌握Fisher线性判别方法 （4）熟练运用matlab的相关知识。 　　2、【实验原理】 （1）、最小错误率Bayes分类器的决策规则 如果在特征空间中观察到某一个（随机）向量x = ( x1 , x2 ,…, xd )T，已知类别状态的先验概率为：和类别的条件概率密度为，根据Bayes公式得到状态的后验概率 有： 　　基本决策规则：如果，则，将 x 归属后验概率最大的类别 。 　　（2）、掌握Parzen窗法 对于被估计点X： 　　其估计概率密度的基本公式，设区域 RN 是以 hN 为棱长的 d 维超立方体，则立方体的体积为； 　　选择一个窗函数，落入该立方体的样本数为，点 x 的概率密度:　其中核函数：，满足的条件：； 　　。 　　（3）、Fisher线性判别方法 Fisher线性判别分析的基本思想：通过寻找一个投影方向（线性变换，线性组合），将高维问题降低到一维问题来解决，并且要求变换后的一维数据具有如下性质：同类样本尽可能聚集在一起，不同类的样本尽可能地远。 　　　　Fisher线性判别分析，就是通过给定的训练数据，确定投影方向W和阈值y0，即确定线性判别函数，然后根据这个