当前位置：文档之家› 模式识别系列实验指导书

模式识别系列实验指导书

《模式识别系列实验》

实验指导书

授课教师：曹晓光、李露

单位：北京航空航天大学

宇航学院图像中心

2015-4-10

课程名称：模式识别系列实验（Pattern Recognition Experiments）

实验总学时数：16

实验室地点：北京航空航天大学宇航学院图像中心新主楼D408

实验要求与目的：

模式识别系列实验是自动化一级学科模式识别与智能系统专业硕士研究生所必修的实验课。在学习完成模式识别理论课的基础上，模式识别系列实验引导学生重温模式识别各分支和方法的基本概念和原理，并在计算机上进行验证实验，实际操作和观察图像模式识别的过程、运行结果，提倡学生对现有程序的修改和完善。通过实验使学生掌握应用模式识别基本原理和基本方法解决实际问题的基本技巧，培养学生应用理论知识解决实际问题的能力。模式识别系列实验要求学生有一定计算机软硬件、概率论、数理统计以及矩阵理论基础，并选修了模式识别学科专业基础课程。

本实验课程的基本要求如下：

1 ．通过实验加深对《模式识别》理论课堂所学知识的理解；

2 ．上机前应按照要求把实验内容准备好，观察实验结果，得出结论；

3．实验结束后提交实验报告

实验项目与内容提要

实验考核：采用实验操作与实验报告综合评分

实验一感知器学习与分类实验

实验目的：

1.理解感知器的原理和网络结构

2.掌握感知器的学习规则

3.熟悉Matlab软件环境和神经网络工具模块

4.锻炼算法设计编程与上机调试能力

实验要求：

一、对实验过程的要求：编程实现w1，w2类以及w2，w3类的分类

w1=[.1 6.8 -3.5 2.0 4.1 3.1 -0.8 0.9 5.0 3.9; 1.1 7.1 -4.1 2.7 2.8 5.0 -1.3 1.2 6.4 4.0];

w2=[7.1 -1.4 4.5 6.3 4.2 1.4 2.4 2.5 8.4 4.1;4.2 -4.3 0.0 1.6 1.9 -3.2 -4.0 -6.1 3.7 -2.2];

w3=[-3.0 0.5 2.9 -0.1 -0.4 -1.3 -3.4 1 -5.1 1.9; -2.9 8.7 2.1 5.2 2.2 3.7 6.2 3.4 1.6 5.1];

w4=[-2.0 -8.9 -4.2 -8.5 -6.7 -0.5 -6.7 -8.7 -7.1 -9.0；-8.4 0.2 -7.7 -3.2 -4.0 -9.2 -6.7 -6.4 -9.7 -6.3 ]

二、回答以下问题：

1）从a=0开始，将你的程序应用在ω1和ω2的训练数据上。记下收敛的步数。

2）将你的程序应用在ω2和ω3类上，同样记下收敛的步数。

3）试解释它们收敛步数的差别。

4）提高部分：ω3和ω4的前5个点不是线性可分的，请手工构造非线性映射，使这些点在映射后的特征空间中是线性可分的，并对它们训练一个感知器分类器。分析这个分类器对剩下的（变换后的）点分类效果如何？

实验环境：

PC机、Windows XP操作系统、Matlab软件，利用Matlab自带的神经网络工具包，实现用感知器对二维样本的分类。

实验原理：

感知器是由美国计算机科学家Rosenblatt于1957年提出的。感知器可谓是最早的人工神经网络。单层感知器是一个具有一层神经元、采用阈值激活函数的前向网络。通过对网络权值的训练，可以使感知器对一组输入向量的响应达到元素为0或1的目标输出。从而实现对输入向量分类的目的。图1给出了单层感知器神经元模型图。（本实验输入为二维向量）

图1 感知器神经元模型

其中，每一个输入分量通过一个权值分量进行加权求和，并作为阈值函数的输入。偏差的加入使得网络多了一个可调参数，为使网络输出达到期望的目标向量提供了方便。感知器特别适合解决简单的模式分类问题。

由感知器的网络结构，我们可以看出感知器的基本功能是将输入向量转化成0或l的输出。这一功能可以通过在输入向量空间里的作图来加以解释。感知器权值的调整目的，就是根据学习法则设计一条轨迹，使所有的输入向量都能达到期望位置的划分。对于一个n维的输入向量来说，这个轨迹为一个n-1维的超平面，在这个超平面以上的输入向量将产生一个值为1的输出，而在这个超平面以下的输入向量将产生一个值为0的输出。

在MATLAB中，感知器的训练及学习法则都已经被编成了一个子程序并被集成在神经网络工具箱中。首先用newp函数创建感知器神经网络，再利用train函数创建神经网络，最后可以使用sim函数对训练后的网络进行仿真。

在Matlab神经网络工具箱中，可以用plotpc函数绘制R<=3感知器神经网络的分类线。实验设计：

1.对于线性可分问题：

分类1

P = [-0.5 1 2 3;2 1 1 2];

T = [1 1 0 0];

net = newp([-1 3;-1 3]);%建立网络

handle = plotpc(net.iw{1},net.b{1});

net.trainParam.epochs = 10;

net = train(net,P,T);%网络训练

figure;

plotpv(P,T);

handle = plotpc(net.iw{1},net.b{1},handle);%画出分界线

分类2

P = [1 1.5 2 3 4 6;1 2 0.5 2 1 0];

T = [1 1 0 1 0 0];

net = newp([0 6;0 6]);%建立网络

handle = plotpc(net.iw{1},net.b{1});

net.trainParam.epochs = 30;

net = train(net,P,T);%网络训练

figure;

plotpv(P,T);

handle = plotpc(net.iw{1},net.b{1},handle);%画出分界线

分类3

P = [-2 -1 1 2;1.5 1 0.5 -1];

T = [0 0 1 1];

net = newp([-2 2;-2 2]);%建立网络

handle = plotpc(net.iw{1},net.b{1});

net.trainParam.epochs = 30;

net = train(net,P,T);%网络训练

figure;

plotpv(P,T);

handle = plotpc(net.iw{1},net.b{1},handle);%画出分界线

2.对于线性不可分问题：

分类1

P = [0.5 1 2 3;2 1 1 2];

T = [0 1 0 1];

net = newp([-1 3;-1 3]); ％建立网络

handle = plotpc(net.iw{1},net.b{1});

net.trainParam.epochs = 100;

net = train(net,P,T);

figure;

plotpv(P,T);

handle = plotpc(net.iw{1},net.b{1},handle); ％画出分界线

分类2

P = [1 1 2 2;1 2 1 2];

T = [0 1 1 0];

net = newp([1 2;1 2]); %建立网络

handle = plotpc(net.iw{1},net.b{1});

net.trainParam.epochs = 100;

net = train(net,P,T);

figure;

plotpv(P,T);

handle = plotpc(net.iw{1},net.b{1},handle); %画出分界线

分类3

P = [-1 0 1 2;2 1 2 1];

T = [1 0 0 1];

net = newp([1 2;1 2]); %建立网络

handle = plotpc(net.iw{1},net.b{1});

net.trainParam.epochs = 100;

net = train(net,P,T);

figure;

plotpv(P,T);

handle = plotpc(net.iw{1},net.b{1},handle); %画出分界线

感知器的训练流程：

实验结果：

线性可分问题结果：

线性不可分问题结果：

表2 实验结果统计

实验二BP网络学习与分类实验

实验目的：

1．理解BP网的网络结构；

2．掌握BP网的学习规则；

3．培养编程与上机调试能力;

4．熟悉Matlab软件环境；

实验要求：

一、对实验过程的要求

1.使用matlab软件设计BP网对尿沉渣图像样本进行模式识别

2.对待测尿沉渣图像进行分类

3.对分类结果进行统计分析

二、对实验报告的撰写要求（参见实验报告）

1．实验报告包含的内容有：

·实验题目

·实验环境（硬件环境、软件环境）

·实验内容

·实验中遇到的问题及解决方案

实验环境：

PC机、Windows XP操作系统、Matlab软件，利用Matlab自带的神经网络工具包

实验原理：

一个具有r个输入和一个隐含层的神经网络模型结构如图2所示。

图2 具有一个隐含层的神经网络模型结构图

感知器和自适应线性元件的主要差别在激活函数上：前者是二值型的，后者是线性的。BP网络具有一层或多层隐含层，除了在多层网络上与前面已介绍过的模型有不同外，其主要差别也表现在激活函数上。BP网络的激活函数必须是处处可微的，所以它就不能采用二值型的阈值函数{1,0}或符号函数(-1,1)，BP网络经常使用的是S型的对数或正切激活函数和线性函数。

对于多层网络，这种激活函数所划分的区域不再是线性划分，而是由一个非线性的超平面组成的区域。它是比较柔和、光滑的任意界面，因而它的分类比线性划分精确、合理、这种网络的容错性较好。另外一个重要的特点是由于激活函数是连续可微的，它可以严格利用梯度法进行推算，它的权值修正的解析式十分明确，其算法被称为误差反向传播法，也简称

BP算法，这种网络也因此而被称为BP网络。

因为S型函数具有非线性放大系数功能，它可以把输人从负无穷大到正无穷大的信号，变换成-l到l之间输出，对较大的输入信号，放大系数较小；而对较小的输入信号，放大系数则较大，所以采用S型激活函数可以去处理和逼近非线性的输入输出关系。不过，如果在输出层采用S型函数，输出则被限制到一个很小的范围了，若采用线性激活函数，则可使网络输出任何值。所以只有当希望对网络的输出进行限制，如限制在0和1之间，那么在输出层应当包含S型激活函数，在一般情况下，均是在隐含层采用S型激活函数，而输出层采用线性激活函数。

在MATLAB工具箱中，上述计算均已编成函数的形式，通过简单的书写调用即可方便地获得结果。具体有：

1)对于隐含层输出．若采用对数s型激活函数，则用函数logsig.m；若采用双曲正切S型激活函数，则用函数tansig.m；

2)对于输出层输出，若采用线性激活函数有purelin.m与之对应；

3)对于误差函数，可用函数sumsqr.m求出；

4)有learnbp.m函数专门求输出层以及隐含层中权值与偏差的变化量。

实验设计：

1．本次实验中的样本从原图中所占比例较大的四类样本中获得，分别为：红细胞(red cell)，白细胞(leucocyte)，盐结晶(crystal)，杆菌(bacillus)。

将训练样本从尿沉渣图像中的红细胞(red cell)，白细胞(leucocyte)，

盐结晶(crystal)，杆菌(bacillus)手工分离出来并转化为灰度图像2．在图像的分割及分类阶段中，我们共获得样本图像103个，将其中的83个作为训练样本，其余的20个作为测试分类样本。训练样本及测试样本

中的四类样本所占比例均大致相同。

3．我们将所有的样本图像都依次送入MATLAB，转化成32*32的二维矩阵，再将矩阵的每一列首尾相连，变成一列1024维的列向量，最后将训练用的

列向量组合在一起，成为训练所用的数据矩阵。并将该数据矩阵保存为

matlab软件可以读取的.mat文件。

4．建立目标库，目标库共由83个4位列向量组成，每个列向量对应一个学习样本。每一类样本所对应的目标向量是相同的，红细胞样本所对应的目

标列向量为[1 0 0 0]T，白细胞样本所对应的目标列向量为[0 1 0 0]T，

盐结晶样本所对应的目标列向量为[0 0 1 0]T，杆菌样本所对应的目标列

向量为[0 0 0 1]T。

5．网络参数的选择：由于系统是非线性的，初始值对于学习是否达到局部最小、是否能够收敛以及训练时间的长短的关系很大。如果初始权值太大，

使得加权后的输入落在了s型激活函数的饱和区，从而导致其导数非常小，

使得调节过程几乎停顿下来。所以，一般总是希望经过初始加权后的每个

神经元的输出值都接近于零，这样可以保证每个神经元的权值都能够在它

们的s型激活函数变化最大之处进行调节。所以，一般取初始权值在(-1，

1)之间的随机数。另外，为了防止上述现象的发生，威得罗等人在分析了

两层网络是如何对一个函数进行训练后，提出了一种选定初始权值的策略，

利用他们的方法可以在较少的训练次数下得到满意的训练结果。在MATLAB

新版本的工具箱中再初始化隐含层权值时将自动进行优化。其方法仅需要

使用在第一隐含层的初始值的选取上，后面层的初始值仍然采用随机取数。

学习速率决定每一次循环训练中所产生的权值变化量。大的学习速率可能

导致系统的不稳定；但小的学习速率导致较长的训练时间，可能收敛很慢，

不过能保证网络的误差值不跳出误差表面的低谷而最终趋于最小误差值。

所以在一般情况下．倾向于选取较小的学习速率以保证系统的稳定性。学

习速率的选取范围在0.01-0.8之间。

6．BP网络训练：BP算法是由两部分组成，信息的正向传递与误差的反向传播。在正向传播过程中，输入信息从输入经隐含层逐层计算传向输出层，

每一层神经元的状态只影响下一层神经元的状态。如果在输出层没有得到

期望的输出，则计算输出层的误差变化值，然后转向反向传播，通过网络

将误差信号沿原来的连接通路反传回来修改各层神经元的权值直至达到

期望目标。在Matlab中用trainbp函数可实现这一过程。

7．对待测样本进行分类并对结果进行统计分析

BP网络的训练流程：

图象样本转化方法和程序：

1．图象转化方法同实验一。

2．网络隐含层的选择：

1989年Robert Hecht-Nielson曾经证明了当各节点具有不同的阈值时，

具有一个隐层的网络就可以用来逼近任意连续函数。然而由于其先决条件很

难满足，很少被完整地使用。通常对大多数的实际问题，往往不考虑这个先

决条件，而取用一个隐层，即三层网络，就能完成大多数的非线性映射。而

对于隐层节点数的个数选择，并没有一个明确的理论，大多是通过经验确定，

有这么几个经验公式来计算隐层节点数:

m:隐层节点数 n：输入节点数 o: 输出节点数 a: 1-10之间的常数

m = sqrt(n + o) + a;

m = log2^n

m = sqrt(n * o)

在本次毕设实验中，样本为一个1024维的输入向量，输出为一个4维向量，

由以上公式中求出隐层节点数，取其中最小的，将隐层节点数设为10个。

3．程序：

P = train2; T = T1; %将样本及目标矩阵赋给训练函数

%初始化

[R,Q] = size(P); [S2,Q] = size(T);S1=10;

P=normc(P);%归一化

[W1,B1]=rands(S1,R);

[W2,B2]=rands(S2,S1); %赋给权值矩阵以随机初始值

disp_fqre=50; %设定显示频率

err_goal=0.02; %设定希望误差最小值

lr=0.01; %设定学习速率

max_epoch=80000; %设定最大循环次数

TP=[disp_fqre max_epoch err_goal lr]; %设定训练参数

[w1,B1,W2,B2,epochs,errors]=trainbp(W1,B1,'tansig',W2,B2,'log

sig',P,T,TP) %开始训练

识别：

A1=tansig(w1*train3);

for i=1:20

A1(:,i)=A1(:,i)+B1;

end

A2=logsig(W2*A1)

for i=1:20

A2(:,i)=A2(:,i)+B2;

end

实验结果：

根据本实验所提供的实验样本矩阵，BP网络识别的准确率应该达到35%以上，但是由于没有对样本的冗余信息进行处理，所以网络识别的准确率也不回超过50%。

表4 BP网的分类实验结果

实验三分级聚类实验

实验目的：

1.理解分级聚类的三种方法：均值聚类、最小距离聚类、最大距离聚类

2.掌握这三种聚类方法的原理

3.任选一种编程实现

实验要求：

为了研究世界各国森林、草原资源的分布规律，共抽取了21个国家的数据，每个国家4项指标，原始数据见下表。要求在Matlab或者VC环境下，使用该原始数据对国别进行聚类分析。（提示：聚类变量的测量尺度不同，在进行聚类之前，需要对数据进行标准化处理。）

实验环境：

PC机、Windows XP操作系统、Matlab软件

实验样本数据：

实验四基于非参数核密度估计的行人分割

实验目的：

1.理解非参数核密度估记的基本内容

2.能用非参数核密度估计解决实际问题

实验要求：

按照课堂所讲PPT中要求，利用Matlab编程实现，非参数核密度估计分割出给定的行人目标。

实验五基于贝叶斯理论的显著性目标检测

实验目的：

1.理解贝叶斯理论的基本内容

2.能用贝叶斯理论解决实际问题

实验要求：

按照课堂所讲ppt，利用贝叶斯理论，编程实现显著性目标检测，完整分割出显著性目标。

PLC实验指导书

EFPLC/S7－300实验装置实验指导手册上海新奥托实业有限公司 2004年6月

目录实验一五星彩灯实验实验二三相电机控制实验实验三八段数码管显示实验实验四交通信号灯控制实验实验五洗衣机自动控制实验实验六水塔水位自动控制实验实验七多种液体自动混合控制实验实验八自动送料车控制实验

实验一五星彩灯一、实验目的编制PLC 程序，组成不同的灯光闪烁状态。二、实验设备 1、 EFPLC 可编程序控制器实验装臵。 2、五星彩灯及八段码显示实验板EFPLC0101如图所示。 3、连接导线若干。三、实验内容 1、控制要求：10个红色发光二极管，L1-L10的亮、暗组合须有一定的规律。隔1秒钟，变化一次，周而复始循环。 2、 I/O （输入、输出）地址分配五星彩灯板上J3接EFPLC 实验装臵上的J2。输出点定义： 3、按照要求编写程序（参照程序示例） 4、运行启动程序，仔细观察L1~L10亮暗组合次序是否符合设计要求。若不符合，反复调试；符合则可停止程序。 +24V DC 0V L1 L2 L3 L4 L5 L10 L6 L7 L8 L9 a g d b c .h f e 五星彩灯数码管五星彩灯及八段码显示

实验二三相电机控制一、实验目的通过本实验，了解三相电机正反转、自锁、互锁和Y/△启动。二、实验设备 1、 EFPLC 可编程序控制器实验装臵。 2、电机控制实验板EFPLC0106如图所示。三、实验内容 1、控制要求：按下正转按钮SB1，KM1继电器吸合（指示灯亮），三相电动机Y 形启动，（KMY 继电器吸合，指示灯亮）。3秒后△形正常运行。按下停止按钮SB3电机应立刻停止运行。在这整个过程中按反转按钮SB1应不起任何作用。按下反转按钮SB2，三相电动机Y 形启动。3秒后△形正常运行。按下停止按钮SB3电机应立刻停止运行。在这整个过程中按正转按钮SB1应不起任何作用。 2、 I/O （输入、输出）地址分配 3、按照要求编写程序（参照程序示例） 4、运行对应程序进行反复调试、反复运行，直至可正常操作为止。四、编程练习要求：在正转时按下反转按钮，电机应停转一段时间（5秒-10秒，保证电机确实已停）后，电机再自动Y/△启动反转。在反转时，按下正转按钮，也具有同样效果。按停止按钮，电机应停止运行。 KM2 KM1 KM △ KM2 SB1 KM2 SB2 KM1 SB3 KM △ KM Y 24V 0V 电控制 DC 电机控制 KM1 KM2 KM KM2 SB1 SB2 SB3 KM1 KM2 KMY KM +24V 0V

模式识别实验指导书

类别1234 样本x 1x 2x 1x 2x 1x 2x 1x 2 10.1 1.17.1 4.2-3.0-2.9-2.0-8.4 2 6.87.1-1.4-4.30.58.7-8.90.23-3.5-4.1 4.50.0 2.9 2.1-4.2-7.74 2.0 2.7 6. 3 1.6-0.1 5.2-8.5-3.25 4.1 2.8 4.2 1.9-4.0 2.2-6.7-4.06 3.1 5.0 1.4-3.2-1.3 3.7-0.5-9.27-0.8-1.3 2.4-4.0-3. 4 6.2-5.3-6.7 80.9 1.2 2.5-6.1-4.1 3.4-8.7-6.4 9 5.0 6.48.4 3.7-5.1 1.6-7.1-9.7 10 3.9 4.0 4.1-2.2 1.9 5.1-8.0-6.3 实验一感知器准则算法实验一、实验目的：贝叶斯分类方法是基于后验概率的大小进行分类的方法，有时需要进行概率密度函数的估计，而概率密度函数的估计通常需要大量样本才能进行，随着特征空间维数的增加，这种估计所需要的样本数急剧增加，使计算量大增。在实际问题中，人们可以不去估计概率密度，而直接通过与样本和类别标号有关的判别函数来直接将未知样本进行分类。这种思路就是判别函数法，最简单的判别函数是线性判别函数。采用判别函数法的关键在于利用样本找到判别函数的系数，模式识别课程中的感知器算法是一种求解判别函数系数的有效方法。本实验的目的是通过编制程序，实现感知器准则算法，并实现线性可分样本的分类。二、实验内容：实验所用样本数据如表2-1给出（其中每个样本空间（数据）为两维，x 1表示第一维的值、x 2表示第二维的值），编制程序实现1、 2类2、 3类的分类。分析分类器算法的性能。 2-1 感知器算法实验数据具体要求 1、复习感知器算法；2、写出实现批处理感知器算法的程序1）从a=0开始，将你的程序应用在和的训练数据上。记下收敛的步数。2）将你的程序应用在和类上，同样记下收敛的步数。3）试解释它们收敛步数的差别。 3、提高部分：和的前5个点不是线性可分的，请手工构造非线性映射，使这些点在映射后的特征空间中是线性可分的，并对它们训练一个感知

第十章幼儿知觉学习及教育指导

第十章幼儿知觉学习及教育指导教学目的 1 学习并掌握知觉及幼儿知觉学习的概念。 2、学习和了解模式识别。 2 理解和运用促进幼儿知觉学习的教育措施。教学重难点重点：学习和了解模式识别。。难点：理解和运用促进幼儿知觉学习的教育措施。教学方法：讲授、讨论教学时数：3课时教学过程第一节：知觉学习一、知觉概述（一）对知觉的看法 1、古希腊哲学家赫拉克利特：知觉是由对象与感觉器官之间相互作用引起的。 2、苏格拉底：是成人的一种生理和心理感受。 3、现代心理学家：知觉含有直接经验，表现为环境中某种信息源的揭示，是一切智力活动发展的基础。（二）知觉产生的理论 1、人类文化研究 2、图式和认知风格 3、形、基组织

4、婴儿的深度知觉二、知觉学习研究（一）知觉学习中经验作用的研究 1、图形实验法。 2、知觉恒常法。 3、人工知觉。 4、自然场景实验法。（二）知觉过程的研究方法 1、纹理梯度法 2、模式识别法 3、图像空间结构实验法 4、结构优势效应法 5、知觉加工方式的实验法第二节：注意与知觉的模式识别一、注意的概述。（一）注意的概念及其与知觉的关系（二）注意过程的模式 1、双通道或多通道模式 2、资源分配模式（三）注意的分类 1、无意注意 2、有意注意 3、随意后注意

二、知觉模式识别（一）模式与模式识别的概念（二）模式识别的理论 1、假设考验理论 2、直接作用理论 3、自下而上和自上而下的加工理论（三）模式识别的模型 1、模板匹配模式 2、原型匹配模式 3、特征匹配模式第三节幼儿知觉学习的教育指导一、空间知觉 1、培养幼儿的观察力 2、通过实际生活培养幼儿的空间知觉能力 3、通过游戏活动发展幼儿的空间知觉能力 4、通过语言活动发展幼儿空间知觉能力 5、通过绘画教学培养幼儿的空间知觉能力二、时间知觉三、运动知觉 1、距离的感知培养 2、物体形态的感知培养 3、时间节奏的感知练习 4、主体方向性的感知练习

模式识别第二次上机实验报告

北京科技大学计算机与通信工程学院模式分类第二次上机实验报告姓名：XXXXXX 学号：00000000 班级：电信11 时间：2014-04-16

一、实验目的 1．掌握支持向量机（SVM）的原理、核函数类型选择以及核参数选择原则等；二、实验内容 2.准备好数据，首先要把数据转换成Libsvm软件包要求的数据格式为： label index1:value1 index2:value2 ... 其中对于分类来说label为类标识，指定数据的种类；对于回归来说label为目标值。（我主要要用到回归） Index是从1开始的自然数，value是每一维的特征值。该过程可以自己使用excel或者编写程序来完成，也可以使用网络上的FormatDataLibsvm.xls来完成。FormatDataLibsvm.xls使用说明：先将数据按照下列格式存放（注意label放最后面）： value1 value2 label value1 value2 label 然后将以上数据粘贴到FormatDataLibsvm.xls中的最左上角单元格，接着工具->宏执行行FormatDataToLibsvm宏。就可以得到libsvm要求的数据格式。将该数据存放到文本文件中进行下一步的处理。 3.对数据进行归一化。该过程要用到libsvm软件包中的svm-scale.exe Svm-scale用法：用法：svmscale [-l lower] [-u upper] [-y y_lower y_upper] [-s save_filename] [-r restore_filename] filename （缺省值：lower = -1，upper = 1，没有对y进行缩放）其中，-l：数据下限标记；lower：缩放后数据下限；-u：数据上限标记；upper：缩放后数据上限；-y：是否对目标值同时进行缩放；y_lower为下限值，y_upper为上限值；（回归需要对目标进行缩放，因此该参数可以设定为–y -1 1 ）-s save_filename：表示将缩放的规则保存为文件save_filename；-r restore_filename：表示将缩放规则文件restore_filename载入后按此缩放；filename：待缩放的数据文件（要求满足前面所述的格式）。缩放规则文件可以用文本浏览器打开，看到其格式为： y lower upper min max x lower upper index1 min1 max1 index2 min2 max2 其中的lower 与upper 与使用时所设置的lower 与upper 含义相同；index 表示特征序号；min 转换前该特征的最小值；max 转换前该特征的最大值。数据集的缩放结果在此情况下通过DOS窗口输出，当然也可以通过DOS的文件重定向符号“>”将结果另存为指定的文件。该文件中的参数可用于最后面对目标值的反归一化。反归一化的公式为：（Value-lower）*（max-min）/(upper - lower)+lower 其中value为归一化后的值，其他参数与前面介绍的相同。建议将训练数据集与测试数据集放在同一个文本文件中一起归一化，然后再将归一化结果分成训练集和测试集。 4.训练数据，生成模型。用法：svmtrain [options] training_set_file [model_file] 其中，options（操作参数）：可用的选项即表示的涵义如下所示-s svm类型：设置SVM 类型，默

PLC实验指导书解读

目录实验一可编程控制器认识实验 (1) 一、实验目的 (1) 二、实验器材 (1) 三、实验内容和步骤 (1) 四、预习要求 (2) 五、实验报告要求 (2) 实验二基本指令实验 (3) 一、实验目的 (3) 二、实验器材 (3) 三、实验内容和步骤 (3) 四、预习要求 (5) 五、实验报告要求 (5) 实验三定时器和计数器实验 (6) 一、实验目的 (6) 二、实验器材 (6) 三、实验内容和步骤 (6) 四、预习要求 (8) 五、实验报告要求 (8) 实验四运料小车控制实验 (9) 一、实验目的 (9) 二、实验器材 (9) 三、实验内容 (9) 四、实验报告要求 (11) 实验五交通信号灯的自动控制实验 (12) 一、实验目的 (12) 二、实验器材 (12)

三、实验内容和步骤 (12) 四、实验报告要求 (14) 实验六天塔之光实验 (15) 一、实验目的 (15) 二、实验器材 (15) 三、实验内容和步骤 (15) 四、实验报告要求 (17) 实验七数码显示控制实验 (18) 一、实验目的 (18) 二、实验器材 (18) 三、实验内容和步骤 (18) 四、实验报告要求 (21)

实验一可编程控制器认识实验一、实验目的 1、通过实验了解和熟悉FX系列PLC的外部结构和外部接线方法； 2、了解和熟悉简易编程器的使用。二、实验器材 1、FX系列PLC一台 2、手持编程器一台 3、模拟开关板一块 4、编程电缆 5、连接导线三、实验内容和步骤 1、关电源，将手持编程器连接电缆，电缆另一头接至PLC主机的编程器插座中，并将主机工作方式选择（STOP/RUN）拨至“STOP”位置。 2、按下PLC的电源开关，PLC主机通电，“POWER”灯亮，手持编程器在液晶窗口显示自检内容。 3、写入程序前，需对PLC“RAM”全部清零，当液晶显示屏上显示全是“NOP”时，即可输入程序。清零方法如图1-1所示。图1-1 PLC清零方法 4、程序的输入，需要先按功能编辑键，键盘上分别有“RD/WR”、“INS/DEL”、 “MNT/TEST”等字符分别代表读/写、插入/删除和监控/测试功能。其功能为后按者有优先权。例如第一次按“RD/WR”键为读出（R），再按一次即为写入（W），再按一次又变成R。W、R、I、D、M 和T 功能字符分别显示在液晶显示窗的左上角。 5、输入程序如图1-2所示，进行编程训练操作。

模式识别实验指导书

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，通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)1(a ，第k+1次迭代时的权向量)1(+k a 等于第k 次的权向量)(k a 加上被错分类的所有样本之和与k ρ的乘积。可以证明，对于线性可分的样本集，经过有限次修正，一定可以找到一个解向量a ，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)1(a 和系数k ρ。 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]; 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 -2 2 4 6w1 w2 1.6 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k ρ和)1(a 对于感知函数准则确定的影响，并确定当k ρ=1/2/3时，相应的k 的值，以及)1(a 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？

模式识别实验报告

————————————————————————————————作者：————————————————————————————————日期：

实验报告实验课程名称：模式识别姓名：王宇班级： 20110813 学号： 2011081325 实验名称规范程度原理叙述实验过程实验结果实验成绩图像的贝叶斯分类 K均值聚类算法神经网络模式识别平均成绩折合成绩注：1、每个实验中各项成绩按照5分制评定，实验成绩为各项总和 2、平均成绩取各项实验平均成绩 3、折合成绩按照教学大纲要求的百分比进行折合 2014年 6月

实验一、图像的贝叶斯分类一、实验目的将模式识别方法与图像处理技术相结合，掌握利用最小错分概率贝叶斯分类器进行图像分类的基本方法，通过实验加深对基本概念的理解。二、实验仪器设备及软件 HP D538、MATLAB 三、实验原理概念：阈值化分割算法是计算机视觉中的常用算法，对灰度图象的阈值分割就是先确定一个处于图像灰度取值范围内的灰度阈值，然后将图像中每个像素的灰度值与这个阈值相比较。并根据比较的结果将对应的像素划分为两类，灰度值大于阈值的像素划分为一类，小于阈值的划分为另一类，等于阈值的可任意划分到两类中的任何一类。最常用的模型可描述如下：假设图像由具有单峰灰度分布的目标和背景组成，处于目标和背景内部相邻像素间的灰度值是高度相关的，但处于目标和背景交界处两边的像素灰度值有较大差别，此时，图像的灰度直方图基本上可看作是由分别对应于目标和背景的两个单峰直方图混合构成。而且这两个分布应大小接近，且均值足够远，方差足够小，这种情况下直方图呈现较明显的双峰。类似地，如果图像中包含多个单峰灰度目标，则直方图可能呈现较明显的多峰。上述图像模型只是理想情况，有时图像中目标和背景的灰度值有部分交错。这时如用全局阈值进行分割必然会产生一定的误差。分割误差包括将目标分为背景和将背景分为目标两大类。实际应用中应尽量减小错误分割的概率，常用的一种方法为选取最优阈值。这里所谓的最优阈值，就是指能使误分割概率最小的分割阈值。图像的直方图可以看成是对灰度值概率分布密度函数的一种近似。如一幅图像中只包含目标和背景两类灰度区域，那么直方图所代表的灰度值概率密度函数可以表示为目标和背景两类灰度值概率密度函数的加权和。如果概率密度函数形式已知，就有可能计算出使目标和背景两类误分割概率最小的最优阈值。假设目标与背景两类像素值均服从正态分布且混有加性高斯噪声，上述分类问题可以使用模式识别中的最小错分概率贝叶斯分类器来解决。以1p 与2p 分别表示目标与背景的灰度分布概率密度函数，1P 与2P 分别表示两类的先验概率，则图像的混合概率密度函数可用下式表示为

2014春《文献检索》实验指导书-机械类六个专业-(需要发送电子稿给学课件

《文献检索》实验指导书刘军安编写适用专业：机械类各专业总学时：24~32学时实验学时：6~14 机械设计与制造教研室 2014. 3

一、课程总实验目的与任务《文献检索》课程实验是机械学院机械类专业的选修课的实验。通过实验内容与过程,主要培养学生在信息数字化、网络化存储环境下信息组织与检索的原理、技术和方法，以及在数字图书馆系统和数字信息服务系统中检索专业知识的能力，辅助提高21世纪大学生人文素质。通过实验，使学生对信息检索的概念及发展、检索语言、检索策略、检索方法、检索算法、信息检索技术、网络信息检索原理、搜索引擎、信息检索系统的结构、信息检索系统的使用、信息检索系统评价以及所检索信息的分析等技术有一个全面熟悉和掌握。本实验主要培养和考核学生对信息检索基本原理、方法、技术的掌握和知识创新过程中对知识的检索与融合能力。实验主要侧重于培养学生对本专业技术原理和前言知识的信息检索能力，引导学生应理论联系实际，同时要了解本专业科技信息的最新进展和研究动态与走向。二、实验内容通过课程的学习，结合老师给出的检索主题，学生应该完成以下内容的实验：实验一：图书馆专业图书检索（印刷版图书）实验二：中文科技期刊信息检索实验三：科技文献数据库信息检索实验四：网络科技信息检索（含报纸和网络）文献检索参考主题： 1.工业工程方向：工业工程；工业工程师的素质、精神、修养、气质与能力；工业工程的本质；企业文化与工业工程；战略工程管理；工程哲学；创新管理；生产管理；品质管理；优化管理或管理的优化；零库存；敏捷制造；敏捷管理；（优秀的、现代的、或未来的）管理哲学；生产管理七大工具；质量管理；设备管理；基础管理；现场管理；六西格玛管理；生产线平衡；工程经济；系统哲学；系统管理；柔性制造；看板管理；工程心理学；管理心理学；激励管理；管理中的真、善、美（或假、恶、丑）；工程哲学；工业工程中的责任；安全管理；优化调度；系统工程；系统管理与过程控制；设计哲学；智能管理；工业工程中的数学；智能工业工程，或工业工程的智能化；生态工程管理；绿色工业工程，或绿色管理；协同学与协同管理；工业工程中的协同；概念工程与概念管理；工业工程与蝴蝶效应；管理中的蝴蝶效应，等等…… 2.机械电子工程方向： CAD；CAM；CAE；CAPP；PDM；EPR；CIMS；VD；VM；FMS；PLC；协同设计；协同制造；概念设计；自底向上；自顶向下；智能设计；智能制造；智能材料；特种加工(线切割、电火花、激光加工、电化学加工、超声波加工、光刻技术、快速成型、反求工程)；微机械；精密加工；精密制造；机电一体化；自动化；控制论；线性控制；非线性控制；混沌控制；模糊控制；人工智能；神经网络；纳米技术；纳米制造；机器人；智能机器人；传感器；智能传感器；自动化生产线；机械手；智能机械手；自动检测；数据采集；信号处理；信息识别、模式识别等等……

PLC实验指导书

PLC 实验指导书

目录实验一PLC的基本指令编程练习 (3) 实验二电动机的行程控制 (5) 实验三交通灯控制实验 (6) 实验四电梯运行控制实验 (8) 实验五机械手控制实验 (10) 实验六计算器控制实验 (12) 实验七步进电机控制实验 (14) 实验八自动配料/四级传动带 (15) 实验九邮件分拣机（备用） (17) 实验十轧钢机（备用） (19) 实验十一加工中心（备用） (20)

实验一PLC的基本指令编程练习一、实验目的 1、熟悉PLC实验装置，S7-200系列编程控制器的外部接线方法 2、了解编程软件STEP7的编程环境，软件的使用方法。 3、掌握与、或、非逻辑功能的编程方法。二、使用设备 1、PLC模块 2、基本指令模块 3、电机控制模块三、实验说明 1、根据PLC及试验台的结构原理图，学习PLC输入/输出接口的接线方法。

2、基于课本第二章的熟悉MicroWin软件的使用方法和PLC的操作； 3、基于第一章的电动机控制电路图，在PLC上通过编程实现。 4、基于以上完成基础上可使用电机控制模块进行电动机启动、停止、点动、正反转控制实验。四、实验要求 1、完成常用的输入/输出端口接线； 2、完成电动机的启动停止控制编程； 3、完成常用位逻辑指令的验证和理解。

实验二电动机的行程控制一、实验目的 1、了解基于起保停电路的电动机行程控制。二、使用设备 1、PLC模块 2、直线运动模块三、实验说明 1、实验模块面板如下图所示图中M1、M2为直线运动驱动接口，S1、S3、S5、S7为四个光电式行程开关接口，SD 为启动开关接口。本实验项目只需要M1、M2、S1、S7和SD接口。 2、功能要求： SD启动开关打开，电机正转，滑块右移，碰到S7行程开关时，自动停止，并自动反向运动，碰到S1行程开关时自动切换到正转。如此周而复始。 SD启动开关关闭，电机无论在何种状态均自动切换到反转。反转至S1行程开关自动停止。四、实验要求 1、完成输入/输出接口的连线； 2、完成程序的编制和调试； 3、完成实验报告。

《认知心理学》实验指导

概念形成简介：概念是人脑反映事物本质属性的思维形式。个体掌握一类事物本质属性的过程，就是概念形成的过程。实验室中为了研究概念形成的过程，常使用人工概念。制造人工概念时先确定一个或几个属性作为分类标准，但并不告诉被试，只是将材料交给被试，请其分类。在此过程中，反馈给被试是对还是错。通过这种方法，被试可以发现主试的分类标准，从而学会正确分类，即掌握了这个人工概念。通过人工概念的研究，可以了解概念形成的过程。一般来讲，被试都是经过概括-假设-验证的循环来达到概念形成的。叶克斯复杂选择器可用来制造人工概念。本实验模拟叶克斯复杂选择器来研究简单空间位置关系概念的形成。方法与程序：本实验共有4个人工概念，难度顺次增加，被试可以任选其中1个。实验时，屏幕上会出现十二个圆键，有空心和实心两种。其中只有一个实心圆与声音相联系，此键出现的相对位置是有规律的，被试要去发现其中的规律（概念），找到这个键。被试用鼠标点击相应的实心圆，如果没有发生任何变化，表明选择错误；如果有声音呈现，同时该圆变为红色，则表明选择正确。只有选择正确，才能继续下一试次。当连续三次第一遍点击就找对了位置时，就认为被试已形成了该人工概念，实验即结束。如果被试在60个试次内不能形成正确概念，实验自动终止。结果与讨论：结果文件第一行是被试达到标准所用的遍数（不包括连续第一次就对的三遍）。其后的结果分三列印出：第一列是遍数；第二列为每遍中反应错的次数，如为0则表示这一遍第一次就做对了；第三列表示这一遍所用的时间，以毫秒为单位。根据结果试说明被试概念形成的过程。交叉参考：思维策略参考文献：杨博民主编心理实验纲要北京大学出版社 319-321页

S7-200SmartPLC实验指导书

实用标准文档2013 S7-200 Smart PLC实验指导书作者名称广东机电职业技术学院 2013/12/10

目录一、实验目的 (3) 二、实验设备 (3) 三、实验注意事项 (3) 四、相关基础知识 (3) 五、手操盒介绍 (4) 六、实验任务介绍 (7) (一)基本逻辑指令 - 托盘工作系统 (7) (二)定时器和计数器功能–跑马灯 (8) (三)基于PLC的装配流水线控制 (10) (四)LED数码管显示和8421码控制 (12) (五)基于PLC的音乐喷泉控制 (16) (六)三相异步电机的正反转和星/三角启动控制 (18) (七)基于PLC的抢答器控制 (20) (八)交通灯系统 (22) (九)安全门系统 (25) (十)升降梯系统 (31) (十一)洗衣机控制系统 (35) (十二)存料罐控制系统 (38) 七、实验总结 (40) 八、实验成绩的评定 (40)

实验目的掌握西门子S7-200 Smart PLC原理。掌握西门子人机界面产品使用方法实验设备实验注意事项认真阅读实验指导书，依据实验指导书的内容，明确实验任务。实验的质量很大程度上取决于每个学生的实验态度，工作中要积极主动，服从实验指导老师的工作安排，对重大问题应事先向实验指导老师反映，共同协商解决，学生不得擅自处理。实验是理论联系实际的重要环节，要虚心向指导老师和其它同学学习。要参加具体工作以培养实际动手能力。遵守纪律，不得无故缺勤、迟到早退，实验期间一般不准事假，特殊情况要取得实验指导老师和学校的同意，病假要有医院医生证明。要爱护仪器设备，不得随意破坏。按照规定时间提交实验报告。相关基础知识 1.可编程控制器介绍 2.西门子S7-200 SMART PLC 介绍

华南理工大学《模式识别》大作业报告

华南理工大学《模式识别》大作业报告题目：模式识别导论实验学院计算机科学与工程专业计算机科学与技术（全英创新班）学生姓名黄炜杰学生学号201230590051 指导教师吴斯课程编号145143 课程学分2分起始日期2015年5月18日

实验概述【实验目的及要求】 Purpose: Develop classifiers,which take input features and predict the labels. Requirement: ?Include explanations about why you choose the specific approaches. ?If your classifier includes any parameter that can be adjusted,please report the effectiveness of the parameter on the final classification result. ?In evaluating the results of your classifiers,please compute the precision and recall values of your classifier. ?Partition the dataset into2folds and conduct a cross-validation procedure in measuring the performance. ?Make sure to use figures and tables to summarize your results and clarify your presentation. 【实验环境】 Operating system:window8(64bit) IDE:Matlab R2012b Programming language:Matlab

《人工智能及其应用》实验指导书Word版

《人工智能及其应用》实验指导书浙江工业大学计算机科学与技术学院—人工智能课程组 2011年9月

前言本实验是为了配合《人工智能及其应用》课程的理论学习而专门设置的。本实验的目的是巩固和加强人工智能的基本原理和方法，并为今后进一步学习更高级课程和信息智能化技术的研究与系统开发奠定良好的基础。全书共分为八个实验：1.产生式系统实验；2.模糊推理系统实验；3.A*算法求解8数码问题实验；4.A*算法求解迷宫问题实验；5.遗传算法求解函数最值问题实验；6.遗传算法求解TSP问题实验；7.基于神经网络的模式识别实验；8.基于神经网络的优化计算实验。每个实验包括有：实验目的、实验内容、实验条件、实验要求、实验步骤和实验报告等六个项目。本实验指导书包括两个部分。第一个部分是介绍实验的教学大纲；第二部分是介绍八个实验的内容。由于编者水平有限，本实验指导书的错误和不足在所难免，欢迎批评指正。人工智能课程组 2011年9月

目录实验教学大纲 (1) 实验一产生式系统实验 (3) 实验二模糊推理系统实验 (5) 实验三A*算法实验I (9) 实验四A*算法实验II (12) 实验五遗传算法实验I (14) 实验六遗传算法实验II (18) 实验七基于神经网络的模式识别实验 (20) 实验八基于神经网络的优化计算实验 (24)

实验教学大纲一、学时：16学时，一般安排在第9周至第16周。二、主要仪器设备及运行环境：PC机、Visual C++ 6.0、Matlab 7.0。三、实验项目及教学安排序号实验名称实验平台实验内容学时类型教学要求 1产生式系统应用VC++设计知识库，实现系统识别或分类等。 2设计课内 2模糊推理系统应用Matlab1）设计洗衣机的模糊控制器； 2）设计两车追赶的模糊控制器。 2验证课内 3A*算法应用I VC++设计与实现求解N数码问题的 A*算法。 2综合课内4A*算法应用II VC++设计与实现求解迷宫问题的A* 算法。 2综合课内5遗传算法应用I Matlab1）求某一函数的最小值； 2）求某一函数的最大值。 2验证课内6遗传算法应用II VC++设计与实现求解不同城市规模的TSP问题的遗传算法。 2综合课内 7基于神经网络的模式识别Matlab1）基于BP神经网络的数字识别设计； 2）基于离散Hopfiel神经网络的联想记忆设计。 2验证课内 8基于神经网络的优化计算 VC++设计与实现求解TSP问题的连2综合课内四、实验成绩评定实验课成绩单独按五分制评定。凡实验成绩不及格者，该门课程就不及格。学生的实验成绩应以平时考查为主，一般应占课程总成绩的50%，其平时成绩又要以实验实际操作的优劣作为主要考核依据。对于实验课成绩，无论采取何种方式进行考核，都必须按实验课的目的要求，以实际实验工作能力的强弱作为评定成绩的主要依据。

西门子PLC实验指导书

实验一：PLC认知及PLC编程软件的使用（两学时）一、实验目的： 1.熟悉典型继电器电路的工作原理及电路接线。 2.熟悉西门子PLC 的组成，模块及电路接线。 3.熟悉西门子STEP 7 编程软件的使用方法。 4.熟悉利用STEP 7 建立项目、硬件组态、编程、编译、下载和运行等设计步骤。 5.学会用基本逻辑指令实现顺控系统的编程，完成三相异步电机单向运行控制程序的编制及调试。二、实验设备： 1.个人PC 机 1 台 2.西门子1214C AC/DC/RLY PLC 1 台 3.西门子CM1241 RS485通信模块 1 台 4.实验操作板 1 块 5.线缆若干三、实验步骤： 1.参照黑板上的电路接线图，电路连接好后经指导教师检查无误，可以上电试验。 2.了解西门子PLC 的组成，熟悉PLC的电源、输入信号端I 和公共端COM、输出信号端Q 和公共端COM；PLC 的编程口及PC 机的串行通讯口、编程电缆的连接；PLC 上扩展单元插口以及EEPROM 插口的连接方法；RUN/STOP 开关及各类指示灯的作用等。 2.参照黑板上的电路接线图，电路连接好后经指导教师检查无误，并将 RUN/STOP 开关置于STOP 后，方可接入220V交流电源。 3.在PC 机启动西门子STEP 7编程软件，新建工程，进入编程环境。 4.根据实验内容，在西门子STEP 7编程环境下输入梯形图程序，转换后，下载到PLC中。

5.程序运行调试并修改。 6.写实验报告。四、实验内容：实验1、三相笼型异步电动机全压起动单向运行控制图 1 三相笼型异步电动机全压起动单向运行控制接线图实验2、三相笼型异步电动机全压起动单向运行PLC控制图 2 三相笼型异步电动机全压起动单向运行PLC控制梯形图五、实验总结与思考： 1.简述S7-1200 PLC的硬件由哪几部分组成。 2.请简要叙述从硬件组态开始到程序下载到PLC进行调试的整个过程。 3.做完本次实验的心得体会；

温度控制系统曲线模式识别及仿真

锅炉温度定值控制系统模式识别及仿真专业：电气工程及其自动化姓名：郭光普指导教师：马安仁摘要本文首先简要介绍了锅炉内胆温度控制系统的控制原理和参数辨识的概念及切线近似法模式识别的基本原理，然后对该系统的温控曲线进行模式识别，而后着重介绍了用串级控制和Smith预估器设计一个新的温度控制系统，并在MATLAB的Simulink中搭建仿真模型进行仿真。关键词温度控制，模式识别，串级控制，Smith预测控制 ABSTRACT This article first briefly introduced in the boiler the gallbladder temperature control system's control principle and the parameter identification concept and the tangent approximate method pattern recognition basic principle, then controls the curve to this system to carry on the pattern recognition warm, then emphatically introduced designs a new temperature control system with the cascade control and the Smith estimator, and carries on the simulation in the Simulink of MATLAB build simulation model. Key Words:Temperature control, Pattern recognition, Cascade control, Smith predictive control

《人工智能及其应用》实验指导书

浙江工业大学计算机科学与技术学院—人工智能课程组 2011年9月

目录实验教学大纲 (1) 实验一产生式系统实验 (4) 实验二模糊推理系统实验 (7)

实验三A*算法实验I (13) 实验四A*算法实验II (17) 实验五遗传算法实验I (19) 实验六遗传算法实验II (26) 实验七基于神经网络的模式识别实验 (29) 实验八基于神经网络的优化计算实验 (35)

模式识别实验报告(一二)

信息与通信工程学院模式识别实验报告班级：姓名：学号：日期：2011年12月

实验一、Bayes 分类器设计一、实验目的： 1.对模式识别有一个初步的理解 2.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 3.理解二类分类器的设计原理二、实验条件： matlab 软件三、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 ) (i P ω， ) (i X P ω，i=1,…，c 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： ∑== c j i i i i i P X P P X P X P 1 ) ()() ()()(ωωωωω j=1,…，x 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i a ,i=1,…，a 的条件风险 ∑== c j j j i i X P a X a R 1 )(),()(ωω λ,i=1,2,…,a 3)对(2)中得到的a 个条件风险值) (X a R i ,i=1,…，a 进行比较，找出使其条件风险最小的决策k a ，即()() 1,min k i i a R a x R a x == 则 k a 就是最小风险贝叶斯决策。四、实验内容假定某个局部区域细胞识别中正常（1ω）和非正常（2ω）两类先验概率分别为正常状态：P （1ω）=；异常状态：P （2ω）=。现有一系列待观察的细胞，其观察值为x ：已知先验概率是的曲线如下图：

)|(1ωx p )|(2ωx p 类条件概率分布正态分布分别为（-2，）（2,4）试对观察的结果进行分类。五、实验步骤： 1.用matlab 完成分类器的设计，说明文字程序相应语句，子程序有调用过程。 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.最小风险贝叶斯决策，决策表如下：结果,并比较两个结果。六、实验代码 1.最小错误率贝叶斯决策 x=[ ] pw1=; pw2=; e1=-2; a1=; 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

文档之家

模式识别系列实验指导书

PLC实验指导书

模式识别实验指导书

第十章 幼儿知觉学习及教育指导

模式识别第二次上机实验报告

PLC实验指导书解读

模式识别实验指导书

模式识别实验报告

最新PLC实验指导书.pdf

2014春《文献检索》实验指导书-机械类六个专业-(需要发送电子稿给学课件

PLC实验指导书

《认知心理学》实验指导

S7-200SmartPLC实验指导书

华南理工大学《模式识别》大作业报告

《人工智能及其应用》实验指导书Word版

西门子PLC实验指导书

温度控制系统曲线模式识别及仿真

《人工智能及其应用》实验指导书

模式识别实验报告(一二)

第十章幼儿知觉学习及教育指导