模式识别实验指导书样本

下载后可任意编辑实验一、 基于感知函数准则线性分类器设计1.1 实验类型: 设计型: 线性分类器设计( 感知函数准则) 1.2 实验目的: 本实验旨在让同学理解感知准则函数的原理, 经过软件编程模拟线性分类器, 理解感知函数准则的确定过程, 掌握梯度下降算法求增广权向量, 进一步深刻认识线性分类器。1.3 实验条件: matlab 软件1.4 实验原理: 感知准则函数是五十年代由 Rosenblatt 提出的一种自学习判别函数生成方法, 由于 Rosenblatt 企图将其用于脑模型感知器, 因此被称为感知准则函数。其特点是随意确定的判别函数初始值, 在对样本分类训练过程中逐步修正直至最终确定。感知准则函数利用梯度下降算法求增广权向量的做法, 可简单叙述为: 任意给定一向量初始值, 第 k+1 次迭代时的权向量等于第 k 次的权向量加上被错分类的所有样本之和与的乘积。能够证明, 对于线性可分的样本集, 经过有限次修正, 一定能够找到一个解向量, 即算法能在有限步内收敛。其收敛速度的快慢取决于初始权向量和系数。1.5 实验内容已知有两个样本空间 w1 和 w2, 这些点对应的横纵坐标的分布情况是: x1=[1,2,4,1,5];y1=[2,1,-1,-3,-3];x2=[-2.5,-2.5,-1.5,-4,-5,-3];y2=[1,-1,5,1,-4,0];下载后可任意编辑在二维空间样本分布图形如下所示: ( plot(x1,y1,x2,y2)) -6-4-20246-6-4-20246w1w21.6 实验任务: 1、 用 matlab 完成感知准则函数确定程序的设计。2、 请 确 定 sample=[(0,-3),(1,3),(-1,5),(-1,1),(0.5,6),(-3,-1),(2,-1),(0,1),(1,1),(-0.5,-0.5),( 0.5,-0.5)];属于哪个样本空间,根据数据画出分类的结果。3、 请分析一下和对于感知函数准则确定的影响, 并确定当=1/2/3 时, 相应的 k 的值, 以及不同时, k 值得变化情况。4、 根据实验结果请说明感知准则函数是否是唯一的, 为什么? 下载后可任意编辑实验二、 基于 Fisher 准则线性分类器设计2.1 实验类型: 设计型: 线性分类器设计( Fisher 准则) 2.2 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 准则方法确定最佳线性分界面方法的原理, 以及 Lagrande 乘子求解的原理。2.3 实验条件: matlab 软件2.4 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 的原则, 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, ...