模式識(shí)別fisher線性判別作業(yè)_第1頁
模式識(shí)別fisher線性判別作業(yè)_第2頁
模式識(shí)別fisher線性判別作業(yè)_第3頁
模式識(shí)別fisher線性判別作業(yè)_第4頁
模式識(shí)別fisher線性判別作業(yè)_第5頁
已閱讀5頁,還剩4頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、精品好資料學(xué)習(xí)推薦實(shí)驗(yàn)內(nèi)容使用FISHER線性判別來對(duì)樹葉進(jìn)行分類指導(dǎo)老師_王旭初_1 實(shí)驗(yàn)?zāi)康睦肍ISHER線性判別函數(shù)來對(duì)桃樹葉子和芒果樹葉子進(jìn)行分類,將這兩者若干片樹葉進(jìn)行一定特點(diǎn)分類,做出函數(shù)圖,使得我們?nèi)菀追治鲞@兩者之間的異同。2 數(shù)據(jù)獲取方式實(shí)驗(yàn)過程中將會(huì)使用到FISHER線性判別函數(shù)法,MATLAB實(shí)驗(yàn)仿真程序。通過實(shí)驗(yàn)MATLAB程序來設(shè)計(jì)一個(gè)FISHER線性判別分類器,將實(shí)驗(yàn)前收集到的兩種樹葉的若干片葉子的數(shù)據(jù)輸入分類器,運(yùn)行后得出一個(gè)分類仿真圖形,從而可以得出其葉子間的異同點(diǎn)。3 實(shí)驗(yàn)原理Fisher線性判別分析的基本思想:通過尋找一個(gè)投影方向(線性變換,線性組合),將高

2、維問題降低到一維問題來解決,并且要求變換后的一維數(shù)據(jù)具有如下性質(zhì):同類樣本盡可能聚集在一起,不同類的樣本盡可能地遠(yuǎn)。Fisher線性判別分析,就是通過給定的訓(xùn)練數(shù)據(jù),確定投影方向W和閾值y0,即確定線性判別函數(shù),然后根據(jù)這個(gè)線性判別函數(shù),對(duì)測(cè)試數(shù)據(jù)進(jìn)行測(cè)試,得到測(cè)試數(shù)據(jù)的類別。線性判別函數(shù)的一般形式可表示成 其中根據(jù)Fisher選擇投影方向W的原則,即使原樣本向量在該方向上的投影能兼顧類間分布盡可能分開,類內(nèi)樣本投影盡可能密集的要求,用以評(píng)價(jià)投影方向W的函數(shù)為: 上面的公式是使用Fisher準(zhǔn)則求最佳法線向量的解,該式比較重要。另外,該式這種形式的運(yùn)算,我們稱為線性變換,其中式一個(gè)向量,是的逆

3、矩陣,如是d維,和都是dd維,得到的也是一個(gè)d維的向量。向量就是使Fisher準(zhǔn)則函數(shù)達(dá)極大值的解,也就是按Fisher準(zhǔn)則將d維X空間投影到一維Y空間的最佳投影方向,該向量的各分量值是對(duì)原d維特征向量求加權(quán)和的權(quán)值。以上討論了線性判別函數(shù)加權(quán)向量W的確定方法,并討論了使Fisher準(zhǔn)則函數(shù)極大的d維向量 的計(jì)算方法,但是判別函數(shù)中的另一項(xiàng)尚未確定,一般可采用以下幾種方法確定如或者 或當(dāng)與已知時(shí)可用當(dāng)W0確定之后,則可按以下規(guī)則分類,使用Fisher準(zhǔn)則方法確定最佳線性分界面的方法是一個(gè)著名的方法,盡管提出該方法的時(shí)間比較早,仍見有人使用。(1)W的確定各類樣本均值向量mi樣本類內(nèi)離散度矩陣和

4、總類內(nèi)離散度矩陣樣本類間離散度矩陣在投影后的一維空間中,各類樣本均值。樣本類內(nèi)離散度和總類內(nèi)離散度 。樣本類間離散度。Fisher準(zhǔn)則函數(shù)滿足兩個(gè)性質(zhì):投影后,各類樣本內(nèi)部盡可能密集,即總類內(nèi)離散度越小越好。投影后,各類樣本盡可能離得遠(yuǎn),即樣本類間離散度越大越好。根據(jù)這個(gè)性質(zhì)確定準(zhǔn)則函數(shù),根據(jù)使準(zhǔn)則函數(shù)取得最大值,可求出W:。(2)閾值的確定實(shí)驗(yàn)中采取的方法:。(3)Fisher線性判別的決策規(guī)則對(duì)于某一個(gè)未知類別的樣本向量x,如果y=WTxy0,則xw1;否則xw2。4 實(shí)驗(yàn)步驟(1) 采集桃樹葉子150片,采集芒果樹葉子150片。測(cè)量這些葉子的長度,寬度,以及周長。(2) 將上述葉子的數(shù)據(jù)

5、記錄下來。(3) 使用matlab仿真實(shí)驗(yàn)工具設(shè)計(jì)一個(gè)fisher線性判別分類器。(4) 將記錄下來的樹葉的數(shù)據(jù)輸入分類器,創(chuàng)建一個(gè)二維的分類參數(shù),使用分類器對(duì)其進(jìn)行特征分類。(5) 利用matlab仿真程序?qū)⒎诸惖慕Y(jié)果畫出仿真圖形,并做記錄分析。五. 實(shí)驗(yàn)代碼六實(shí)驗(yàn)結(jié)果七. 心得體會(huì)這次實(shí)驗(yàn)加深了我對(duì)課上學(xué)習(xí)到的模式識(shí)別原理與應(yīng)用的知識(shí)的理解,提高了動(dòng)手實(shí)踐能力。的確上課時(shí)聽過的內(nèi)容當(dāng)時(shí)明白了但是卻是一閃即過的,只有通過親自動(dòng)手實(shí)踐才能夠?qū)τ谥R(shí)有真正深刻而完整的理解.由于專業(yè)課程設(shè)計(jì)的問題,從前一點(diǎn)都沒有接觸過MATLAB這個(gè)工具,但在這次實(shí)驗(yàn)中,我通過自己學(xué)習(xí)、查找資料、與同學(xué)討論交流的一系列過程最終也使用MATLAB完成了實(shí)驗(yàn)。在這個(gè)過程中,我不僅發(fā)現(xiàn)MATLAB是一個(gè)很便捷并且功能強(qiáng)大的工具,同時(shí)也鍛煉了自己學(xué)習(xí)與實(shí)踐、發(fā)現(xiàn)問題、分析問題、解決問題的能力。另外,我認(rèn)為相比其他的同學(xué)我收獲的更多-面對(duì)任何新鮮事物不應(yīng)當(dāng)有畏難情緒,雖然開始時(shí)候?qū)W習(xí)很困難,實(shí)驗(yàn)過程中也出現(xiàn)了不少比較“低級(jí)”的錯(cuò)誤,但只要踏下心來一步步的學(xué)習(xí)并且不斷實(shí)驗(yàn),無知不可怕,出現(xiàn)錯(cuò)誤也不可怕,只要

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論