贝叶斯分类 实验报告
- 格式:doc
- 大小:50.50 KB
- 文档页数:4
机电学院通信工程系
实验报告
课程名称: 模型识别实验名称:贝叶斯分类实验实验地点:信息楼105 指导老师: 侯强实验时间: 2013.06.15 提交时间:2013.06.19 班级: 075102 – 04姓名:肖敬轩学号:20101000639
图1引进新样本,分类前(样本为绿色) 图2新样本分类后 从上图可以看出引进的新样本按照分界边界方程把它们分类,即把分类边界左边的归为鲈鱼类,把分类边界右边的归为鲑鱼类。
第二题 1)此题中判别边界与第一题一样,都是一条直线,且垂直于均值的连线,但不一定通过连
线的中点,而是通过x0的表达式为:)()
(P )(P ln )(21x j i j i 2j
i 2
j i 0μμωωμμσμμ---+=的点。故在第一题的基础上求出x0,即可求出判别边界的表达式。
2)编写代码如下:
% x 是第一类数据,每一列代表一个样本(两个特征)
x1(1,:) = normrnd(10,4,1,20);
x1(2,:) = normrnd(12,4,1,20);
x2(1,:) = normrnd(11,4,1,20);
x2(2,:) = normrnd(14,4,1,20);
plot(x1(1,:),x1(2,:),'bo');
hold on
plot(x2(1,:),x2(2,:),'ro');
mx1=mean(x1');%均值
mx2=mean(x2');
hold on plot(mx1(:,1),mx1(:,2),'g*',mx2(:,1),mx2(:,2),'g*');
u=1/2*(x1+x2);%均值估计
e=1/2*((x1-u)*(x1-u)'+(x2-u)*(x2-u)');%协方差估计
u1=[10;12];
u2=[11;14];
w=u1-u2;
x0=1/2*(u1+u2)-(16/(u1-u2).^2)*log10(2/3)*(u1-u2);%假设先验概率之比为2/3 b=x0(2)-k*x0(1);
k=-(mx1(:,1)-mx2(:,1))/(mx1(:,2)-mx2(:,2));
%z=(mx1+mx2)/2;
%b=z(2)-k*z(1);
x=5:20;
y=k*x+b;
hold on
plot(x,y);
axis equal
3)运行以上代码,得到如下图:
(其中绿色*为两类样本的均值)
从上图可以看出,判别边界是一条垂直于均值连线但不通过连线中点的直线,因此我们已按照要求把该图像画出。
四、心得体会
通过实验使我们更加明白贝叶斯分类和线性分类的原理,以及操作步骤,使我们掌握了两种分类方法。线性分类比较简单但是精确度却远远比不上贝叶斯分类。贝叶斯分类虽说精度较高,但是也存在自身的缺陷。判决不会出现百分之百的正确,我们选择判决准则的时候在满足精度范围内选择最佳的。