感知準(zhǔn)則函數(shù)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上模式識(shí)別實(shí)驗(yàn)報(bào)告1 實(shí)驗(yàn)?zāi)康?. 學(xué)習(xí)和掌握關(guān)于感知準(zhǔn)則函數(shù)的知識(shí)；2. 應(yīng)用感知準(zhǔn)則函數(shù)求解判決面，解決模式識(shí)別的分類問(wèn)題；2 實(shí)驗(yàn)內(nèi)容利用感知準(zhǔn)則函數(shù)用感知準(zhǔn)則函數(shù)的方法求解以下數(shù)據(jù)的判決面，學(xué)習(xí)率為 t=0.1，畫出每次迭代法向量的變化軌跡，并畫出最終的判決曲線。樣本12樣本12x1x2x1x2x1x2x1x210.11.1-3.0-2.963.15.0-1.33.726.87.10.58.77-0.8-1.3-3.46.23-3.5-4.12.92.180.91.2-4.13.442.02.7-0.15.295.06.4-5.11.654.12.8-4.02.

2、2103.94.01.95.13 實(shí)驗(yàn)原理或步驟初始的線性判別函數(shù)為 g(x) = wTx + w0為了討論方便，把向量 x 增加一維，但取其值為常數(shù)，即定義y = 1,x1,x2,xdT其中，x1 為樣本 x 的第 i 維分量。我們稱 y 為增廣的樣本向量。相應(yīng)地，定義增廣的權(quán)向量為 = w0,w1,w2,wdT線性判別函數(shù)變?yōu)間(y) = Ty決策規(guī)則是：如果 g(y) 0，則 y 1；如果 g(y) 0，若 y 2 則 Tyi 0，即 JP() = 0。4 運(yùn)行結(jié)果和分析原始數(shù)據(jù)的分布，如圖：圖像中可以清晰的發(fā)現(xiàn)有兩個(gè)藍(lán)色樣本摻雜到紅色中了，被錯(cuò)誤分類。于是我把這兩個(gè)樣本坐標(biāo)點(diǎn)進(jìn)行了更改

3、，由（-3.0，-2.9）和（2.9,2.1）分別改為（-3.0,6）和（2.9,8）。圖中可以看到?jīng)Q策線很好的將兩類樣本分開，下方的線代表每次迭代的法向量，長(zhǎng)短代表迭代的先后。分析：5 實(shí)驗(yàn)總結(jié)這次做感知實(shí)驗(yàn)的函數(shù)是我大學(xué)以來(lái)第一次把課上學(xué)到的算法運(yùn)用到解決一個(gè)實(shí)際問(wèn)題上，雖然只是把兩類樣本分類。我從中獲益很多，在做這個(gè)實(shí)驗(yàn)之前，雖然大概懂了感知準(zhǔn)則函數(shù)這個(gè)算法，但總感覺模模糊糊，似懂非懂，但做實(shí)驗(yàn)時(shí)，真的是要把每個(gè)需要掌握的點(diǎn)都要挖透，一個(gè)點(diǎn)不懂，這整個(gè)實(shí)驗(yàn)就會(huì)導(dǎo)致失敗，有的數(shù)學(xué)公式一大串，看似明白，但理解不深，在實(shí)際動(dòng)手時(shí)，馬上讓我吃到苦頭，在如何畫出每次迭代的法向量上，想了好久好久，才

4、發(fā)現(xiàn)原來(lái)自己對(duì)法向量的幾何意義沒(méi)有搞懂，這次實(shí)驗(yàn)真的讓我知道了學(xué)好數(shù)學(xué)的重要性和優(yōu)越性。通過(guò)此次實(shí)驗(yàn)，我還加深了對(duì) matlab 的畫圖的理解，整個(gè)過(guò)程雖然煩，但成果出現(xiàn)時(shí)，還是有點(diǎn)小興奮的。6 附：matlab 源碼w1=0.16.83.5 2.04.13.10.8 0.95.03.9;1.17.14.1 2.72.85.01.3 1.26.44 .0 ;5.1 1.9;%分別產(chǎn)生第一類和第二類增廣樣本向量集ww1、ww2 ww1=ones (1 , size (w1,2) );w1 ; ww2=ones (1 , size (w2,2) );w2 ;%產(chǎn)生第一類和第二類樣本向量的規(guī)范化增廣

5、樣本向量集w12 w12=ww1,ww2 ;y=zeros (1 , size (w12 ,2 ); % 產(chǎn)生1x20的行向量，賦給y，初值全為0 a =1;1;1;%給權(quán)向量a賦初值 k=0;figure (1) while any(y=0) for i =1:size (y ,2) y( i)=a *w12(: , i ); end a=a+0.1*(sum(w12(: , find (y=0) ) ; a=a/sqrt(sum(a .2); k=k+1; a=a*k ;m=0,a (2 ) ; n=0,a ( 3) ;plot(m,n ); hold on enda%顯示最終求得的權(quán)向量a的值 k%迭代次數(shù)值plot(w1(1 ,:) ,w1(2 ,:) , r+ ); hold on plot(w2(1 ,:) ,w2(2 ,:) , * ); xmin=min(min(w1(1 ,:) ,min(w2(1 ,:); xmax=max(max(w1(1 ,:) ,max(w2(1 ,:); ymin=min(min(w1(2 ,:) ,min(w2(2 ,:); ymax=max(max(w1(2 ,:) ,max(w2(2 ,:); xindex=xmin1:(xmaxxmin)/100:xmax+1; yindex=a(2)* xindex/a(3)a(