基于fisher准则线性分类器设计实验报告.docVIP

基于Fisher准则线性分类器设计实验报告 ———————————————————————————————— 作者： ———————————————————————————————— 日期： 北京邮电大学模式识别实验专业： 北京邮电大学模式识别实验 专业：××× 学生姓名：××× 指导教师：××× 完成时间：×××× 实验二：基于Fisher准那么线性分类器设计 实验二：基于Fisher准那么线性分类器设计 目录 TOC \o 1-3 \h \u 15738 一、实验类型 2 15670 二、实验目的 2 957 三、实验条件 2 21542 四、实验原理 2 22371 五、实验内容 4 3828 六、实验要求 7 2135 七、实验结果 7 20506 1、源代码 7 24706 2、 决策面 11 11747 3、 参数 11 26847 决策面向量 11 12736 阈值 11 20 样本点分类 11 5857 八、 实验分析 13 5900 1、 比例因子 13 11013 2、语法障碍 13 一、实验类型 设计型：线性分类器设计〔Fisher准那么〕 二、实验目的 本实验旨在让同学进一步了解分类器的设计概念，能够根据自己的设计对线性分类器有更深刻地认识，理解Fisher准那么方法确定最正确线性分界面方法的原理，以及Lagrande乘子求解的原理。 三、实验条件 matlab软件 四、实验原理 线性判别函数的一般形式可表示成　　 其中 根据Fisher选择投影方向W的原那么，即使原样本向量在该方向上的投影能兼顾类间分布尽可能分开，类内样本投影尽可能密集的要求，用以评价投影方向W的函数为： 　　 　　上面的公式是使用Fisher准那么求最正确法线向量的解，该式比拟重要。另外，该式这种形式的运算，我们称为线性变换，其中式一个向量，是的逆矩阵，如是d维，和都是d×d维，得到的也是一个d维的向量。　　向量就是使Fisher准那么函数达极大值的解，也就是按Fisher准那么将d维X空间投影到一维Y空间的最正确投影方向，该向量的各分量值是对原d维特征向量求加权和的权值。 以上讨论了线性判别函数加权向量W确实定方法，并讨论了使Fisher准那么函数极大的d维向量 的计算方法，但是判别函数中的另一项尚未确定，一般可采用以下几种方法确定如 　　　 或者　　　 　　　　　　或当与时可用 　　　　　 …… 　当W0确定之后，那么可按以下规那么分类，　 　　　　　　　使用Fisher准那么方法确定最正确线性分界面的方法是一个著名的方法，尽管提出该方法的时间比拟早，仍见有人使用。 五、实验内容 有两类数据和二者的概率=0.6， =0.4。 中数据点的坐标对应一一如下： 数据： x1 = x2 = x3 = 数据点的对应的三维坐标为 x1 = x2 = x3 = 数据的样本点分布如下列图： 图 SEQ 图 \* ARABIC 1：样本点分布图 六、实验要求 请把数据作为样本，根据Fisher选择投影方向的原那么，使原样本向量在该方向上的投影能兼顾类间分布尽可能分开，类内样本投影尽可能密集的要求，求出评价投影方向的函数，并在图形表示出来。并在实验报告中表示出来，并求使取极大值的。用matlab完成Fisher线性分类器的设计，程序的语句要求有注释。 根据上述的结果并判断〔1，1.5，0.6〕(，1.0，5)，(，0.9，0.68)，(1.2，1.5，0.89)，〔，，1.43〕，属于哪个类别，并画出数据分类相应的结果图，要求画出其在上的投影。 答复如下问题，分析一下的比例因子对于Fisher判别函数没有影响的原因。 七、实验结果 1、源代码 x1=[0.2331 1.5207 0.6499 0.7757 1.0524 1.1974 ... 0.2908 0.2518 0.6682 0.5622 0.9023 0.1333 ... -0.5431 0.9407 -0.2126 0.0507 -0.0810 0.7315 ... 0.3345 1.0650 -0.0247 0.1043 0.3122 0.6655 ... 0.5838 1.1653 1.2653 0.8137 -0.3399 0.5152 ... 0.7226 -0.2021 0.4070 -0.1717 -1.0573 -0.2099]; y1=[2.3385