贝叶斯分类器及概率密度函数估计方法实验.pdfVIP

《模式识别》课程实验 贝叶斯分类器及概率密度函数估计方法实验 一、实验目的： 1、掌握密度函数监督参数估计和非参数估计方法； 2 、掌握贝叶斯最小错误概率分类器设计方法； 二、实验内容： 对于一个两类分类问题， 设两类的先验概率相同 （ P ( 1 ) P ( 2 ) ），两类的类条件概 率密度函数服从二维正态分布，即 P ( x | ) ~ N ( μ, Σ ) P ( x | ) ~ N ( μ , Σ ) 1 1 1 2 2 2 0.5 0 2 0 其中， μ [3, 6] T ， Σ ， μ [3, 2] T ， Σ 。 1 1 1 1 0 2 0 2 1）随机产生两类样本； 2 ）设计最大似然估计算法对两类类条件概率密度函数进行估计； 3 ）设计非参数估计算法对两类的类条件概率密度进行估计（任选 Parzen 窗法或 kn- 近邻法 之一），并分析样本数量、窗宽、 k 等因素对概率密度函数估计的影响； 4 ）分别用 2 ）、3 ）中估计的类条件概率密度函数设计最小错误概率贝叶斯分类器，实现对 两类样本的分类。 三、设计思路： （1）用 mvnr nd( ) 函 数 随 机 产 生 两 类 样 本 （2 ） 由 已 知 可 知 道 N 1 x M L i N i 1 N 1 T ( x i )( x i ) N i 1 M L M L 将 第 一 问 产 生 的 样 本 代 入 上 面 两 个 式 子 ，得 到 样 本 的 均 值 向 量 和 协 方 差 矩 阵 。 将 均 值 向 量 和 协 方 差 矩 阵 画 出 来 。 （3 ） 本 实 验 应 用 Par zen 窗 法 选择方窗函数： 当 |u | ≤ 0. 5 时 ， (u ) 1 当 |u | ＞ 0. 5 时 ， (u ) 0 构 造 出 X， Y 坐 标 ， 制 作 网 格 ，用 坐 标 与 样 本 点 做 差 ， 比 上 超 立 方 体 边 长 ，再 将 结 果 与 0.5 作 比 较 ， 根 据 结 果 确 定 窗 的 值 。 N 1 1 将 窗 值 代 入 公 式 p N ( u ) ， 再 用 X 、 Y 、