Bayes分类器设计实验报告.pdfVIP

模式识别实验报告 题目 ： Bayes 分类器设计 装 订 线 学 院 计算机科学与技术 专 业 xxxxxxxxxxxxxxxx 学 号 xxxxxxxxxxxx 姓 名 xxxx 指导教师 xxxx 2015 年 xx 月 xx 日 Bayes 分类器设计 一、实验目的 对模式识别有一个初步的理解， 能够根据自己的设计对贝叶斯决策理论算法有一个深刻 地认识，理解二类分类器的设计原理。 二、实验原理 最小风险贝叶斯决策可按下列步骤进行： (1)在已知 及给出待识别的 X 的情况下，根据贝 叶斯公式计算出后验概率： (2) 利用计算出的后验概率及决策表，按下面的公式计算出采取 的条件风 险 (3)对 (2) 中得到的 a 个条件风险值 进行比较，找出使其条件 风险最小的决策 ，即 则 就是最小风险贝叶斯决策。 三、实验内容 假定某个局部区域细胞识别中正常 和非正常 两类先验概率分别为 正常状态： P （w1 ）=0.9 ； 异常状态： P （w2 ）=0.1 。 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 已知类条件概率是的曲线如下图： 类条件概率分布正态分布分别为 N （-2 ，0.25）、N （2,4 ） 试对观察的结果进行分类。 四、实验要求 1）用 matlab 完成基于最小错误率的贝叶斯分类器的设计，要求程序相应语句有说明文字， 要求有子程序的调用过程。 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）如果是最小风险贝叶斯决策，决策表如下： 最小风险贝叶斯决策表： 请重新设计程序，完成基于最小风险的贝叶斯分类器，画出相应的条件风险的分布曲线 和分类结果 ,并比较两个结果。 五、实验程序 最小错误率贝叶斯决策 分类器设计 x=[-3.9847 -3.5549 -1.2401 -0.9780 -0.7932 -2.8531 -2.7605 -3.7287 -3.5414 -2.269 2 -3.4549 -3.0752 -3.9934 2.8792 -0.9780 0.7932 1.1882 3.0682 -1.5799 -1.4 885 -0.7431 -0.4221 -1.1186 4.2532 ] pw1=0.9 pw2=0.1 e1=-2; a1=0.5 e2=2;a2=2 m=numel(x) % 得到待测细胞个数 pw1_x=zeros(1,m) % 存放对 w1 的后验概率矩阵 pw2_x=zeros(1,m) % 存放对 w2 的后验概率矩阵 results=zeros(1,m) % 存放比较结果矩阵 for i = 1:m %计算