模式识实验报告实验Bayes分类器设计
实验 Bayes分类器设计
实验目
模式识初步理解够根设计贝叶斯决策理算法深刻认识理解二类分类器设计原理
实验原理
风险贝叶斯决策列步骤进行：
(1)已知i1…c出识情况根贝叶斯公式计算出验概率：
j1…x
(2)利计算出验概率决策表面公式计算出采取i1…a条件风险
i12…a
(3)(2)中a条件风险值i1…a进行较找出条件风险决策
风险贝叶斯决策
实验容
假定某局部区域细胞识中正常（）非正常（）两类先验概率分
正常状态：P（）09
异常状态：P（）01
现系列观察细胞观察值：
39847 35549 12401 09780 07932 28531
27605 37287 35414 22692 34549 30752
39934 28792 09780 07932 11882 30682
15799 14885 07431 04221 11186 42532
已知类条件概率曲线图：
类条件概率分布正态分布分N（2025）N（24）
试观察结果进行分类
实验求
1) matlab完成基错误率贝叶斯分类器设计求程序相应语句说明文字求子程序调程
2) 根例子画出验概率分布曲线分类结果示意图
3) 果风险贝叶斯决策决策表：
风险贝叶斯决策表：
状态
决策
α1
0
4
α2
2
0
请重新设计程序完成基风险贝叶斯分类器画出相应条件风险分布曲线分类结果较两结果
实验程序
u 错误率贝叶斯决策
² 分类器设计
x[39847 35549 12401 09780 07932 28531 27605 37287
35414 22692 34549 30752 39934 28792 09780 07932
11882 30682 15799 14885 07431 04221 11186 42532 ]
pw109 pw201
e12 a105
e22a22
mnumel(x) 测细胞数
pw1_xzeros(1m) 存放w1验概率矩阵
pw2_xzeros(1m) 存放w2验概率矩阵
resultszeros(1m) 存放较结果矩阵
for i 1m
计算w1验概率
pw1_x(i)(pw1*normpdf(x(i)e1a1))(pw1*normpdf(x(i)e1a1)+pw2*normpdf(x(i)e2a2))
计算w2验概率
pw2_x(i)(pw2*normpdf(x(i)e2a2))(pw1*normpdf(x(i)e1a1)+pw2*normpdf(x(i)e2a2))
end
for i 1m
if pw1_x(i)>pw2_x(i) 较两类验概率
result(i)0 正常细胞
else
result(i)1 异常细胞
end
end
a[50055] 取样点画图
nnumel(a)
pw1_plotzeros(1n)
pw2_plotzeros(1n)
for j1n
pw1_plot(j)(pw1*normpdf(a(j)e1a1))(pw1*normpdf(a(j)e1a1)+pw2*normpdf(a(j)e2a2))
计算样点w1验概率画图
pw2_plot(j)(pw2*normpdf(a(j)e2a2))(pw1*normpdf(a(j)e1a1)+pw2*normpdf(a(j)e2a2))
end
figure(1)
hold on
plot(apw1_plot＇k＇apw2_plot＇r＇)
for k1m
if result(k)0
plot(x(k)01＇b*＇) 正常细胞*表示
else
plot(x(k)01＇rp＇) 异常细胞五角星表示
end
end
legend(＇正常细胞验概率曲线＇＇异常细胞验概率曲线＇＇正常细胞＇＇异常细胞＇)
xlabel(＇样细胞观察值＇)
ylabel(＇验概率＇)
title(＇验概率分布曲线＇)
grid on
return
² 实验容仿真
x [39847 35549 12401 09780 07932 28531 27605 37287 35414 22692 34549 30752 39934 28792 09780 07932 11882 30682 15799 14885 07431 04221 11186 42532 ]
disp(x)
pw109
pw201
[result]bayes(xpw1pw2)
u 风险贝叶斯决策
² 分类器设计
function [R1_xR2_xresult]danger(xpw1pw2)
mnumel(x) 测细胞数
R1_xzeros(1m) 存放样X判正常细胞造成整体损失
R2_xzeros(1m) 存放样X判异常细胞造成整体损失
resultzeros(1m) 存放较结果
e12
a105
e22
a22
类条件概率分布px_w1（2025） px_w2（24）
r110
r122
r214
r220
风险决策表
for i1m 计算两类风险值
R1_x(i)r11*pw1*normpdf(x(i)e1a1)(pw1*normpdf(x(i)e1a1)+pw2*normpdf(x(i)e2a2))+r21*pw2*normpdf(x(i)e2a2)(pw1*normpdf(x(i)e1a1)+pw2*normpdf(x(i)e2a2))
R2_x(i)r12*pw1*normpdf(x(i)e1a1)(pw1*normpdf(x(i)e1a1)+pw2*normpdf(x(i)e2a2))+r22*pw2*normpdf(x(i)e2a2)(pw1*normpdf(x(i)e1a1)+pw2*normpdf(x(i)e2a2))
end
for i1m
if R2_x(i)>R1_x(i)第二类第类风险
result(i)0 判正常细胞（损失较）0表示
else
result(i)1 判异常细胞1表示
end
end
a[50055] 取样点画图
nnumel(a)
R1_plotzeros(1n)
R2_plotzeros(1n)
for j1n
R1_plot(j)r11*pw1*normpdf(a(j)e1a1)(pw1*normpdf(a(j)e1a1)+pw2*normpdf(a(j)e2a2))+r21*pw2*normpdf(a(j)e2a2)(pw1*normpdf(a(j)e1a1)+pw2*normpdf(a(j)e2a2))
R2_plot(j)r12*pw1*normpdf(a(j)e1a1)(pw1*normpdf(a(j)e1a1)+pw2*normpdf(a(j)e2a2))+r22*pw2*normpdf(a(j)e2a2)(pw1*normpdf(a(j)e1a1)+pw2*normpdf(a(j)e2a2))
计算样点风险画图
end
figure(1)
hold on
plot(aR1_plot＇b＇aR2_plot＇g*＇)
for k1m
if result(k)0
plot(x(k)01＇b^＇)正常细胞三角表示
else
plot(x(k)01＇go＇)异常细胞圆表示
end
end
legend(＇正常细胞＇＇异常细胞＇＇Location＇＇Best＇)
xlabel(＇细胞分类结果＇)
ylabel(＇条件风险＇)
title(＇风险判决曲线＇)
grid on
return
² 实验容仿真
x [39847 35549 12401 09780 07932 28531 27605 37287 35414 22692 34549 30752 39934 28792 09780 07932 11882 30682 15799 14885 07431 04221 11186 42532 ]
disp(x)
pw109
pw201
[R1_xR2_xresult]danger(xpw1pw2)
实验结果数
u 错误率贝叶斯决策
验概率曲线判决结果张图：验概率曲线图示带*绿色曲线判决成异常细胞验概率曲线条滑蓝色曲线判正常细胞验概率曲线根错误概率准判决结果见曲线方中三角代表判决正常细胞圆圈代表异常细胞
细胞分类结果：
0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 1 1 0 0 0 1 0 1
0判成正常细胞1判成异常细胞
图1 基错误率贝叶斯判决
u 风险贝叶斯决策
风险判决曲线图2示中带*绿色曲线代表异常细胞条件风险曲线条光滑蓝色曲线判正常细胞条件风险曲线根贝叶斯风险判决准判决结果见曲线方中三角代表判决正常细胞圆圈代表异常细胞
细胞分类结果：
1 0 0 0 0 0 0 0 0 0 0 0 1 1 0 1 1 1 0 0 0 1 0 1
中0判成正常细胞1判成异常细胞
图2 基风险贝叶斯判决
实验分析
错误率贝叶斯判决基风险贝叶斯判决出图形中分类结果出样3993439847前者中分正常细胞者中分异常细胞分类结果截然予风险贝叶斯判决中影响决策结果素损失出图1中两样点两类决策验概率相差结合风险贝叶斯决策表进行计算时损失起导作导致出现相反结果
外错误率贝叶斯决策01损失函数条件风险贝叶斯决策前者者特例
实验二 基Fisher准线性分类器设计
实验目
实验旨学进步解分类器设计概念够根设计线性分类器更深刻认识理解Fisher准方法确定佳线性分界面方法原理Lagrande子求解原理
实验条件
Matlab软件
实验原理
线性判函数般形式表示成
中
根Fisher选择投影方W原原样量该方投影兼顾类间分布分开类样投影密集求评价投影方W函数：
面公式Fisher准求佳法线量解该式较重外该式种形式运算称线性变换中式量逆矩阵d维d×d维d维量
量Fisher准函数达极值解Fisher准d维X空间投影维Y空间佳投影方该量分量值原d维特征量求加权权值
讨线性判函数加权量W确定方法讨Fisher准函数极d维量 计算方法判函数中项尚未确定般采种方法确定
者
已知时
……
W0确定规分类
Fisher准方法确定佳线性分界面方法著名方法提出该方法时间较早见
实验程序
function fisher
w1中数点坐标
x1 [02331 15207 06499 07757 10524 11974
02908 02518 06682 05622 09023 01333
05431 09407 02126 00507 00810 07315
03345 10650 00247 01043 03122 06655
05838 11653 12653 08137 03399 05152
07226 02015 04070 01717 10573 02099]
x2 [23385 21946 16730 16365 17844 20155
20681 21213 24797 15118 19692 18340
18704 22948 17714 23939 15648 19329
22027 24568 17523 16991 24883 17259
20466 20226 23757 17987 20828 20798
19449 23801 22373 21614 19235 22604]
x3 [05338 08514 10831 04164 11176 05536
06071 04439 04928 05901 10927 10756
10072 04272 04353 09869 04841 10992
10299 07127 10124 04576 08544 11275
07705 04129 10085 07676 08418 08784
09751 07840 04158 10315 07533 09548]
x1x2x3变行量
x1x1()
x2x2()
x3x3()
计算第类样均值量m1
m1(1)mean(x1)
m1(2)mean(x2)
m1(3)mean(x3)
计算第类样类离散度矩阵S1
S1zeros(33)
for i136
S1S1+[m1(1)+x1(i) m1(2)+x2(i) m1(3)+x3(i)]＇*[m1(1)+x1(i) m1(2)+x2(i) m1(3)+x3(i)]
end
w2数点坐标
x4 [14010 12301 20814 11655 13740 11829
17632 19739 24152 25890 28472 19539
12500 12864 12614 20071 21831 17909
13322 11466 17087 15920 29353 14664
29313 18349 18340 25096 27198 23148
20353 26030 12327 21465 15673 29414]
x5 [10298 09611 09154 14901 08200 09399
11405 10678 08050 12889 14601 14334
07091 12942 13744 09387 12266 11833
08798 05592 05150 09983 09120 07126
12833 11029 12680 07140 12446 13392
11808 05503 14708 11435 07679 11288]
x6 [06210 13656 05498 06708 08932 14342
09508 07324 05784 14943 10915 07644
12159 13049 11408 09398 06197 06603
13928 14084 06909 08400 05381 13729
07731 07319 13439 08142 09586 07379
07548 07393 06739 08651 13699 11458]
x4x4()
x5x5()
x6x6()
计算第二类样均值量m2
m2(1)mean(x4)
m2(2)mean(x5)
m2(3)mean(x6)
计算第二类样类离散度矩阵S2
S2zeros(33)
for i136
S2S2+[m2(1)+x4(i) m2(2)+x5(i) m2(3)+x6(i)]＇*[m2(1)+x4(i) m2(2)+x5(i) m2(3)+x6(i)]
end
总类离散度矩阵Sw
Swzeros(33)
SwS1+S2
样类间离散度矩阵Sb
Sbzeros(33)
Sb(m1m2)＇*(m1m2)
优解W
WSw^1*(m1m2)＇
W变单位量方便计算投影
WWsqrt(sum(W^2))
计算维Y空间中类样均值M1M2
for i136
y(i)W＇*[x1(i) x2(i) x3(i)]＇
end
M1mean(y)
for i136
y(i)W＇*[x4(i) x5(i) x6(i)]＇
end
M2mean(y)
利P(w1)P(w2)已知时公式计算W0
p106p204
W0(M1+M2)2+(log(p2p1))(36+362)
计算样投影佳方新坐标
X1[x1*W(1)+x2*W(2)+x3*W(3)]＇
X2[x4*W(1)+x5*W(2)+x6*W(3)]＇投影长度
XX1[W(1)*X1W(2)*X1W(3)*X1]
XX2[W(1)*X2W(2)*X2W(3)*X2]新坐标
绘制样点
figure(1)
plot3(x1x2x3＇r*＇) 第类
hold on
plot3(x4x5x6＇bp＇) 第二类
legend(＇第类点＇＇第二类点＇)
title(＇Fisher线性判曲线＇)
W15*W
画出佳方
line([W1(1)W1(1)][W1(2)W1(2)][W1(3)W1(3)]＇color＇＇b＇)
判已点分类
a1[11506]＇a2[1210055]＇a3[2009068]＇a4[1215089]＇a5[023233143]＇
A[a1 a2 a3 a4 a5]
nsize(A2)
面代码改变样时必修改
绘制测数投影佳方点
for k1n
A1A(k)＇*W
A11W*A1测数投影
yW＇*A(k)+W0计算0相判断类0第类0第二类
if y>0
plot3(A(1k)A(2k)A(3k)＇go＇) 点rp应第类
plot3(A11(1)A11(2)A11(3)＇go＇) 投影r+应go类
else
plot3(A(1k)A(2k)A(3k)＇m+＇) 点bh应m+类
plot3(A11(1)A11(2)A11(3)＇m+＇) 投影b*应m+类
end
end
画出佳方
line([W1(1)W1(1)][W1(2)W1(2)][W1(3)W1(3)]＇color＇＇k＇)
view([37530])
axis([23130515])
grid on
hold off
实验结果数
已知数样点分布图：
首先根求出佳投影方然方测数进行投影 直观起见两步画张图：
中红色*出第类样点蓝色五角星第二类样点方实直线佳投影方测数投影圆圈分第类样点十字分第二类样点
取极值W （ 00798 02005 00478）
实验分析
例子Fisher判函数没影响原：
实验中需W方者说方数投影W例子单位量少倍长关紧例子求投影时会消掉起实际作
文档香网(httpswwwxiangdangnet)户传
《香当网》用户分享的内容，不代表《香当网》观点或立场，请自行判断内容的真实性和可靠性！
该内容是文档的文本内容，更好的格式请下载文档
实验 Bayes分类器设计
实验目
模式识初步理解够根设计贝叶斯决策理算法深刻认识理解二类分类器设计原理
实验原理
风险贝叶斯决策列步骤进行：
(1)已知i1…c出识情况根贝叶斯公式计算出验概率：
j1…x
(2)利计算出验概率决策表面公式计算出采取i1…a条件风险
i12…a
(3)(2)中a条件风险值i1…a进行较找出条件风险决策
风险贝叶斯决策
实验容
假定某局部区域细胞识中正常（）非正常（）两类先验概率分
正常状态：P（）09
异常状态：P（）01
现系列观察细胞观察值：
39847 35549 12401 09780 07932 28531
27605 37287 35414 22692 34549 30752
39934 28792 09780 07932 11882 30682
15799 14885 07431 04221 11186 42532
已知类条件概率曲线图：
类条件概率分布正态分布分N（2025）N（24）
试观察结果进行分类
实验求
1) matlab完成基错误率贝叶斯分类器设计求程序相应语句说明文字求子程序调程
2) 根例子画出验概率分布曲线分类结果示意图
3) 果风险贝叶斯决策决策表：
风险贝叶斯决策表：
状态
决策
α1
0
4
α2
2
0
请重新设计程序完成基风险贝叶斯分类器画出相应条件风险分布曲线分类结果较两结果
实验程序
u 错误率贝叶斯决策
² 分类器设计
x[39847 35549 12401 09780 07932 28531 27605 37287
35414 22692 34549 30752 39934 28792 09780 07932
11882 30682 15799 14885 07431 04221 11186 42532 ]
pw109 pw201
e12 a105
e22a22
mnumel(x) 测细胞数
pw1_xzeros(1m) 存放w1验概率矩阵
pw2_xzeros(1m) 存放w2验概率矩阵
resultszeros(1m) 存放较结果矩阵
for i 1m
计算w1验概率
pw1_x(i)(pw1*normpdf(x(i)e1a1))(pw1*normpdf(x(i)e1a1)+pw2*normpdf(x(i)e2a2))
计算w2验概率
pw2_x(i)(pw2*normpdf(x(i)e2a2))(pw1*normpdf(x(i)e1a1)+pw2*normpdf(x(i)e2a2))
end
for i 1m
if pw1_x(i)>pw2_x(i) 较两类验概率
result(i)0 正常细胞
else
result(i)1 异常细胞
end
end
a[50055] 取样点画图
nnumel(a)
pw1_plotzeros(1n)
pw2_plotzeros(1n)
for j1n
pw1_plot(j)(pw1*normpdf(a(j)e1a1))(pw1*normpdf(a(j)e1a1)+pw2*normpdf(a(j)e2a2))
计算样点w1验概率画图
pw2_plot(j)(pw2*normpdf(a(j)e2a2))(pw1*normpdf(a(j)e1a1)+pw2*normpdf(a(j)e2a2))
end
figure(1)
hold on
plot(apw1_plot＇k＇apw2_plot＇r＇)
for k1m
if result(k)0
plot(x(k)01＇b*＇) 正常细胞*表示
else
plot(x(k)01＇rp＇) 异常细胞五角星表示
end
end
legend(＇正常细胞验概率曲线＇＇异常细胞验概率曲线＇＇正常细胞＇＇异常细胞＇)
xlabel(＇样细胞观察值＇)
ylabel(＇验概率＇)
title(＇验概率分布曲线＇)
grid on
return
² 实验容仿真
x [39847 35549 12401 09780 07932 28531 27605 37287 35414 22692 34549 30752 39934 28792 09780 07932 11882 30682 15799 14885 07431 04221 11186 42532 ]
disp(x)
pw109
pw201
[result]bayes(xpw1pw2)
u 风险贝叶斯决策
² 分类器设计
function [R1_xR2_xresult]danger(xpw1pw2)
mnumel(x) 测细胞数
R1_xzeros(1m) 存放样X判正常细胞造成整体损失
R2_xzeros(1m) 存放样X判异常细胞造成整体损失
resultzeros(1m) 存放较结果
e12
a105
e22
a22
类条件概率分布px_w1（2025） px_w2（24）
r110
r122
r214
r220
风险决策表
for i1m 计算两类风险值
R1_x(i)r11*pw1*normpdf(x(i)e1a1)(pw1*normpdf(x(i)e1a1)+pw2*normpdf(x(i)e2a2))+r21*pw2*normpdf(x(i)e2a2)(pw1*normpdf(x(i)e1a1)+pw2*normpdf(x(i)e2a2))
R2_x(i)r12*pw1*normpdf(x(i)e1a1)(pw1*normpdf(x(i)e1a1)+pw2*normpdf(x(i)e2a2))+r22*pw2*normpdf(x(i)e2a2)(pw1*normpdf(x(i)e1a1)+pw2*normpdf(x(i)e2a2))
end
for i1m
if R2_x(i)>R1_x(i)第二类第类风险
result(i)0 判正常细胞（损失较）0表示
else
result(i)1 判异常细胞1表示
end
end
a[50055] 取样点画图
nnumel(a)
R1_plotzeros(1n)
R2_plotzeros(1n)
for j1n
R1_plot(j)r11*pw1*normpdf(a(j)e1a1)(pw1*normpdf(a(j)e1a1)+pw2*normpdf(a(j)e2a2))+r21*pw2*normpdf(a(j)e2a2)(pw1*normpdf(a(j)e1a1)+pw2*normpdf(a(j)e2a2))
R2_plot(j)r12*pw1*normpdf(a(j)e1a1)(pw1*normpdf(a(j)e1a1)+pw2*normpdf(a(j)e2a2))+r22*pw2*normpdf(a(j)e2a2)(pw1*normpdf(a(j)e1a1)+pw2*normpdf(a(j)e2a2))
计算样点风险画图
end
figure(1)
hold on
plot(aR1_plot＇b＇aR2_plot＇g*＇)
for k1m
if result(k)0
plot(x(k)01＇b^＇)正常细胞三角表示
else
plot(x(k)01＇go＇)异常细胞圆表示
end
end
legend(＇正常细胞＇＇异常细胞＇＇Location＇＇Best＇)
xlabel(＇细胞分类结果＇)
ylabel(＇条件风险＇)
title(＇风险判决曲线＇)
grid on
return
² 实验容仿真
x [39847 35549 12401 09780 07932 28531 27605 37287 35414 22692 34549 30752 39934 28792 09780 07932 11882 30682 15799 14885 07431 04221 11186 42532 ]
disp(x)
pw109
pw201
[R1_xR2_xresult]danger(xpw1pw2)
实验结果数
u 错误率贝叶斯决策
验概率曲线判决结果张图：验概率曲线图示带*绿色曲线判决成异常细胞验概率曲线条滑蓝色曲线判正常细胞验概率曲线根错误概率准判决结果见曲线方中三角代表判决正常细胞圆圈代表异常细胞
细胞分类结果：
0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 1 1 1 0 0 0 1 0 1
0判成正常细胞1判成异常细胞
图1 基错误率贝叶斯判决
u 风险贝叶斯决策
风险判决曲线图2示中带*绿色曲线代表异常细胞条件风险曲线条光滑蓝色曲线判正常细胞条件风险曲线根贝叶斯风险判决准判决结果见曲线方中三角代表判决正常细胞圆圈代表异常细胞
细胞分类结果：
1 0 0 0 0 0 0 0 0 0 0 0 1 1 0 1 1 1 0 0 0 1 0 1
中0判成正常细胞1判成异常细胞
图2 基风险贝叶斯判决
实验分析
错误率贝叶斯判决基风险贝叶斯判决出图形中分类结果出样3993439847前者中分正常细胞者中分异常细胞分类结果截然予风险贝叶斯判决中影响决策结果素损失出图1中两样点两类决策验概率相差结合风险贝叶斯决策表进行计算时损失起导作导致出现相反结果
外错误率贝叶斯决策01损失函数条件风险贝叶斯决策前者者特例
实验二 基Fisher准线性分类器设计
实验目
实验旨学进步解分类器设计概念够根设计线性分类器更深刻认识理解Fisher准方法确定佳线性分界面方法原理Lagrande子求解原理
实验条件
Matlab软件
实验原理
线性判函数般形式表示成
中
根Fisher选择投影方W原原样量该方投影兼顾类间分布分开类样投影密集求评价投影方W函数：
面公式Fisher准求佳法线量解该式较重外该式种形式运算称线性变换中式量逆矩阵d维d×d维d维量
量Fisher准函数达极值解Fisher准d维X空间投影维Y空间佳投影方该量分量值原d维特征量求加权权值
讨线性判函数加权量W确定方法讨Fisher准函数极d维量 计算方法判函数中项尚未确定般采种方法确定
者
已知时
……
W0确定规分类
Fisher准方法确定佳线性分界面方法著名方法提出该方法时间较早见
实验程序
function fisher
w1中数点坐标
x1 [02331 15207 06499 07757 10524 11974
02908 02518 06682 05622 09023 01333
05431 09407 02126 00507 00810 07315
03345 10650 00247 01043 03122 06655
05838 11653 12653 08137 03399 05152
07226 02015 04070 01717 10573 02099]
x2 [23385 21946 16730 16365 17844 20155
20681 21213 24797 15118 19692 18340
18704 22948 17714 23939 15648 19329
22027 24568 17523 16991 24883 17259
20466 20226 23757 17987 20828 20798
19449 23801 22373 21614 19235 22604]
x3 [05338 08514 10831 04164 11176 05536
06071 04439 04928 05901 10927 10756
10072 04272 04353 09869 04841 10992
10299 07127 10124 04576 08544 11275
07705 04129 10085 07676 08418 08784
09751 07840 04158 10315 07533 09548]
x1x2x3变行量
x1x1()
x2x2()
x3x3()
计算第类样均值量m1
m1(1)mean(x1)
m1(2)mean(x2)
m1(3)mean(x3)
计算第类样类离散度矩阵S1
S1zeros(33)
for i136
S1S1+[m1(1)+x1(i) m1(2)+x2(i) m1(3)+x3(i)]＇*[m1(1)+x1(i) m1(2)+x2(i) m1(3)+x3(i)]
end
w2数点坐标
x4 [14010 12301 20814 11655 13740 11829
17632 19739 24152 25890 28472 19539
12500 12864 12614 20071 21831 17909
13322 11466 17087 15920 29353 14664
29313 18349 18340 25096 27198 23148
20353 26030 12327 21465 15673 29414]
x5 [10298 09611 09154 14901 08200 09399
11405 10678 08050 12889 14601 14334
07091 12942 13744 09387 12266 11833
08798 05592 05150 09983 09120 07126
12833 11029 12680 07140 12446 13392
11808 05503 14708 11435 07679 11288]
x6 [06210 13656 05498 06708 08932 14342
09508 07324 05784 14943 10915 07644
12159 13049 11408 09398 06197 06603
13928 14084 06909 08400 05381 13729
07731 07319 13439 08142 09586 07379
07548 07393 06739 08651 13699 11458]
x4x4()
x5x5()
x6x6()
计算第二类样均值量m2
m2(1)mean(x4)
m2(2)mean(x5)
m2(3)mean(x6)
计算第二类样类离散度矩阵S2
S2zeros(33)
for i136
S2S2+[m2(1)+x4(i) m2(2)+x5(i) m2(3)+x6(i)]＇*[m2(1)+x4(i) m2(2)+x5(i) m2(3)+x6(i)]
end
总类离散度矩阵Sw
Swzeros(33)
SwS1+S2
样类间离散度矩阵Sb
Sbzeros(33)
Sb(m1m2)＇*(m1m2)
优解W
WSw^1*(m1m2)＇
W变单位量方便计算投影
WWsqrt(sum(W^2))
计算维Y空间中类样均值M1M2
for i136
y(i)W＇*[x1(i) x2(i) x3(i)]＇
end
M1mean(y)
for i136
y(i)W＇*[x4(i) x5(i) x6(i)]＇
end
M2mean(y)
利P(w1)P(w2)已知时公式计算W0
p106p204
W0(M1+M2)2+(log(p2p1))(36+362)
计算样投影佳方新坐标
X1[x1*W(1)+x2*W(2)+x3*W(3)]＇
X2[x4*W(1)+x5*W(2)+x6*W(3)]＇投影长度
XX1[W(1)*X1W(2)*X1W(3)*X1]
XX2[W(1)*X2W(2)*X2W(3)*X2]新坐标
绘制样点
figure(1)
plot3(x1x2x3＇r*＇) 第类
hold on
plot3(x4x5x6＇bp＇) 第二类
legend(＇第类点＇＇第二类点＇)
title(＇Fisher线性判曲线＇)
W15*W
画出佳方
line([W1(1)W1(1)][W1(2)W1(2)][W1(3)W1(3)]＇color＇＇b＇)
判已点分类
a1[11506]＇a2[1210055]＇a3[2009068]＇a4[1215089]＇a5[023233143]＇
A[a1 a2 a3 a4 a5]
nsize(A2)
面代码改变样时必修改
绘制测数投影佳方点
for k1n
A1A(k)＇*W
A11W*A1测数投影
yW＇*A(k)+W0计算0相判断类0第类0第二类
if y>0
plot3(A(1k)A(2k)A(3k)＇go＇) 点rp应第类
plot3(A11(1)A11(2)A11(3)＇go＇) 投影r+应go类
else
plot3(A(1k)A(2k)A(3k)＇m+＇) 点bh应m+类
plot3(A11(1)A11(2)A11(3)＇m+＇) 投影b*应m+类
end
end
画出佳方
line([W1(1)W1(1)][W1(2)W1(2)][W1(3)W1(3)]＇color＇＇k＇)
view([37530])
axis([23130515])
grid on
hold off
实验结果数
已知数样点分布图：
首先根求出佳投影方然方测数进行投影 直观起见两步画张图：
中红色*出第类样点蓝色五角星第二类样点方实直线佳投影方测数投影圆圈分第类样点十字分第二类样点
取极值W （ 00798 02005 00478）
实验分析
例子Fisher判函数没影响原：
实验中需W方者说方数投影W例子单位量少倍长关紧例子求投影时会消掉起实际作
文档香网(httpswwwxiangdangnet)户传
《香当网》用户分享的内容，不代表《香当网》观点或立场，请自行判断内容的真实性和可靠性！
该内容是文档的文本内容，更好的格式请下载文档
