![模式識別實驗大綱_第1頁](http://file4.renrendoc.com/view/2636e17776d5f6f87950459ae0762faa/2636e17776d5f6f87950459ae0762faa1.gif)
![模式識別實驗大綱_第2頁](http://file4.renrendoc.com/view/2636e17776d5f6f87950459ae0762faa/2636e17776d5f6f87950459ae0762faa2.gif)
![模式識別實驗大綱_第3頁](http://file4.renrendoc.com/view/2636e17776d5f6f87950459ae0762faa/2636e17776d5f6f87950459ae0762faa3.gif)
![模式識別實驗大綱_第4頁](http://file4.renrendoc.com/view/2636e17776d5f6f87950459ae0762faa/2636e17776d5f6f87950459ae0762faa4.gif)
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),請進行舉報或認領(lǐng)
文檔簡介
模式識別實驗大綱一、課程基本信息課程名稱(中文)模式識別實驗課程名稱(英文)PatternRecognition課程類型專業(yè)選修課學(xué)分3總學(xué)時50(34+16)適用對象信息與計算科學(xué)專業(yè)考核方式閉卷筆試與上機考試結(jié)合成績評定:筆試成績占60%,機試成績占20%,平時成績占20%先修課程高等代數(shù)、概率論、高級語言程序設(shè)計二、課程簡介《模式識別》實驗的內(nèi)容覆蓋了模式識別課程的主要部分。通過實驗可以加深學(xué)生對模式識別的基本概念、基本理論的理解。本實驗課程的任務(wù)是讓學(xué)生利用matlab語言實現(xiàn)模式識別的各種算法,為后續(xù)課程的學(xué)習(xí)打下良好的基礎(chǔ)。三、實驗?zāi)康闹鼐毩?xí)一些常用的模式識別技術(shù),比如貝葉斯分類,基于KL變換的特征提取,人工神經(jīng)網(wǎng)絡(luò)模式識別,還有活動形狀模型,遺傳算法等比較先進的技術(shù),為繼續(xù)深入學(xué)習(xí)或進行科學(xué)研究打下堅實的基礎(chǔ)。四、實驗內(nèi)容與要求(一)貝葉斯分類實驗1.實驗?zāi)康模?)設(shè)計簡單的線性分類器,了解模式識別的基本方法。(2)掌握利用貝葉斯公式進行設(shè)計分類器的方法。2.實驗內(nèi)容和要求(1)簡單分類:有兩類樣本(如鱸魚和鮭魚),每個樣本有兩個特征(如長度和亮度),每類有若干個(比如20個)樣本點,假設(shè)每類樣本點服從二維正態(tài)分布,自己隨機給出具體數(shù)據(jù),計算每類數(shù)據(jù)的均值點,并且把兩個均值點連成一線段,用垂直平分該線段的直線作為分類邊界。再根據(jù)該分類邊界對一隨機給出的樣本判別類別。畫出圖形。(2)貝葉斯分類:根據(jù)貝葉斯公式,給出在類條件概率密度為正態(tài)分布時具體的判別函數(shù)表達式,用此判別函數(shù)設(shè)計分類器。數(shù)據(jù)隨機生成,比如生成兩類樣本(如鱸魚和鮭魚),每個樣本有兩個特征(如長度和亮度),每類有若干個(比如20個)樣本點,假設(shè)每類樣本點服從二維正態(tài)分布,隨機生成具體數(shù)據(jù),然后估計每類的均值與協(xié)方差,在下列各種情況下求出分類邊界。先驗概率自己給定,比如都為0.5。如果可能,畫出在兩類協(xié)方差不相同的情況下的分類邊界。(二)KL變換實驗1.實驗?zāi)康模?)掌握特征提取的基本方法。(2)掌握基于KL變換的特征提取的方法。(3)培養(yǎng)學(xué)生靈活使用KL變換進行模式識別的能力設(shè)計簡單的線性分類器,了解模式識別的基本方法。2.實驗內(nèi)容和要求給出ORL人臉數(shù)據(jù)庫,共有400幅人臉圖像(40人,每人10幅,大小為92*112象素)。選取數(shù)據(jù)庫中的部分樣本(每個人的前5張圖片)作為訓(xùn)練樣本,其余作為未知的測試樣本。從訓(xùn)練樣本中得到KL變換矩陣,然后對訓(xùn)練樣本和測試樣本都進行變換,用變換后的數(shù)據(jù)作最近鄰識別,距離可以為對應(yīng)灰度值之差的平方和,統(tǒng)計識別率。(三)活動形狀模型1.實驗?zāi)康模?)掌握利用活動形狀模型確定物體輪廓的方法。2.實驗內(nèi)容和要求(1)給出一圖形,利用活動輪廓模型(ActiveContourModel)或者活動形狀模型(ActiveShapeModel)確定該物體的輪廓。(四)線性判別函數(shù)1.實驗?zāi)康模?)掌握感知器準(zhǔn)則(利用梯度下降法求解線性判別函數(shù))。(2)掌握Fisher線性判別的方法。(3)理解利用最小平方誤差準(zhǔn)則建立線性分類器的方法。2.實驗內(nèi)容和要求給出線性可分的兩類樣本如下,分別利用梯度下降法,F(xiàn)isher線性判別,最小平方誤差準(zhǔn)則求解線性判別函數(shù),并對一個新樣本進行分類。畫出圖形。(五)人工神經(jīng)網(wǎng)絡(luò)1.實驗?zāi)康模?)掌握利用人工神經(jīng)網(wǎng)絡(luò)進行數(shù)據(jù)擬合的方法。(2)掌握利用人工神經(jīng)網(wǎng)絡(luò)進行分類的方法。2.實驗內(nèi)容和要求給出兩類樣本,構(gòu)造合適的網(wǎng)路模型,用人工神經(jīng)網(wǎng)絡(luò)對未知類別的樣本(3,3)進行分類。(六)遺傳算法1.實驗?zāi)康模?)掌握用遺傳算法求解函數(shù)最值的方法。(2)理解遺傳算法進行特征選擇的過程。2.實驗內(nèi)容和要求(1)已知:f(x)=x+6*sin(5*x)+7*cos(4*x),試用遺傳算法求解函數(shù)在[0,10]范圍內(nèi)的最小值。(2)在實驗2中,ORL人臉數(shù)據(jù)庫,選取數(shù)據(jù)庫中每個人的前5張圖片作為訓(xùn)練樣本,其余作為未知的測試樣本。從訓(xùn)練樣本中得到KL變換矩陣,使得保留前50個特征向量。對訓(xùn)練樣本和測試樣本都進行變換,用變換后的數(shù)據(jù)作最近鄰識別,距離可以為對應(yīng)灰度值之差的平方和,統(tǒng)計識別率。若已知代碼如“實驗解答2_KL變換實驗_趙建威.doc,試用遺傳算法從前50個特征向量中選擇部分最佳的特征組合,使得識別率達到最大。五、主要儀器設(shè)備計算機六、實驗學(xué)時分配表序號實驗項目名稱學(xué)時實驗內(nèi)容實驗性質(zhì)每組人數(shù)必/選做演示驗證設(shè)計綜合1貝葉斯分類實驗4貝葉斯分類實驗√1必做2KL變換實驗4KL變換實驗√1必做3線性判別函數(shù)2線性判別函數(shù)√1必做4活動形狀模型2活動形狀模型√1必做5人工神經(jīng)網(wǎng)絡(luò)2人工神經(jīng)網(wǎng)絡(luò)√1必做6遺傳算法2遺傳算法√1必做七、考核方法上機考試為開卷考試八、教材及參
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)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 現(xiàn)代辦公環(huán)境中綠色家具材料的發(fā)展策略
- 生涯規(guī)劃教育在成人學(xué)習(xí)中的應(yīng)用
- 生物科技在商業(yè)領(lǐng)域的創(chuàng)新應(yīng)用與趨勢分析
- 游戲產(chǎn)業(yè)中的AI創(chuàng)新應(yīng)用分析
- 現(xiàn)代金融科技下的市場趨勢及機遇挑戰(zhàn)
- 現(xiàn)代職高教育在商業(yè)競爭中的角色
- 現(xiàn)代辦公中的素質(zhì)教育實踐策略
- 14《母雞》第二課時 說課稿-2023-2024學(xué)年統(tǒng)編版語文四年級下冊
- 未來物流科技驅(qū)動的產(chǎn)業(yè)變革
- 現(xiàn)代綠色物流技術(shù)裝備的發(fā)展趨勢及趨勢分析
- 寧騷公共政策學(xué)完整版筆記
- 走進奧運奧運知識簡介
- 項目負責(zé)人考試題庫含答案
- 光伏發(fā)電項目屋面作業(yè)安全檢查表
- GB/T 7251.5-2017低壓成套開關(guān)設(shè)備和控制設(shè)備第5部分:公用電網(wǎng)電力配電成套設(shè)備
- 2023年湖南高速鐵路職業(yè)技術(shù)學(xué)院高職單招(數(shù)學(xué))試題庫含答案解析
- 中考語文非連續(xù)性文本閱讀10篇專項練習(xí)及答案
- 勇者斗惡龍9(DQ9)全任務(wù)攻略
- 經(jīng)顱磁刺激的基礎(chǔ)知識及臨床應(yīng)用參考教學(xué)課件
- 小學(xué)語文人教四年級上冊第四單元群文閱讀“神話故事之人物形象”PPT
- ISO 31000-2018 風(fēng)險管理標(biāo)準(zhǔn)-中文版
評論
0/150
提交評論