實(shí)驗(yàn)一Bayes分類器設(shè)計(jì)

1、 實(shí) 驗(yàn) 報 告課程名稱：模式識別學(xué) 院：電子通信與物理學(xué)院專 業(yè)：電子信息工程班 級：電子信息工程2013-3姓 名： 學(xué) 號：指導(dǎo)老師：實(shí)驗(yàn)一Bayes分類器設(shè)計(jì)本實(shí)驗(yàn)旨在讓同學(xué)對模式識別有一個初步的理解，能夠根據(jù)自己的設(shè)計(jì)對貝葉斯決策理論算法有一個深刻地認(rèn)識，理解二類分類器的設(shè)計(jì)原理。1實(shí)驗(yàn)原理最小風(fēng)險貝葉斯決策可按下列步驟進(jìn)行：(1)在已知，i=1,，c及給出待識別的的情況下，根據(jù)貝葉斯公式計(jì)算出后驗(yàn)概率：j=1,，x (2)利用計(jì)算出的后驗(yàn)概率及決策表，按下面的公式計(jì)算出采取,i=1,，a的條件風(fēng)險,i=1,2,a(3)對(2)中得到的a個條件風(fēng)險值,i=1,，a進(jìn)行比較，找出使其條

2、件風(fēng)險最小的決策，即則就是最小風(fēng)險貝葉斯決策。2實(shí)驗(yàn)內(nèi)容假定某個局部區(qū)域細(xì)胞識別中正常（）和非正常（）兩類先驗(yàn)概率分別為正常狀態(tài)：P（）=0.9；異常狀態(tài)：P（）=0.1?，F(xiàn)有一系列待觀察的細(xì)胞，其觀察值為：-3.9847 -3.5549 -1.2401 -0.9780 -0.7932 -2.8531 -2.7605 -3.7287 -3.5414 -2.2692 -3.4549 -3.0752 -3.9934 2.8792 -0.9780 0.7932 1.1882 3.0682-1.5799 -1.4885 -0.7431 -0.4221 -1.1186 4.2532 已知類條件概率密度曲

3、線如下圖：類條件概率分布正態(tài)分布分別為（-2，0.25）（2,4）試對觀察的結(jié)果進(jìn)行分類。3 實(shí)驗(yàn)要求1) 用matlab完成分類器的設(shè)計(jì)，要求程序相應(yīng)語句有說明文字。2) 根據(jù)例子畫出后驗(yàn)概率的分布曲線以及分類的結(jié)果示意圖。3) 如果是最小風(fēng)險貝葉斯決策，決策表如下：最小風(fēng)險貝葉斯決策表：狀態(tài)決策106210請重新設(shè)計(jì)程序，畫出相應(yīng)的后驗(yàn)概率的分布曲線和分類結(jié)果,并比較兩個結(jié)果。1.最小錯誤率貝葉斯決策試驗(yàn)程序 %分類器設(shè)計(jì)x=-3.9847 -3.5549 -1.2401 -0.9780 -0.7932 -2.8531 -2.7605 -3.7287 -3.5414 -2.2692 -3.

4、4549 -3.0752 -3.9934 2.8792 -0.9780 0.7932 1.1882 3.0682-1.5799 -1.4885 -0.7431 -0.4221 -1.1186 4.2532 ; disp(x);pw1=0.9;pw2=0.1;% R1_x,R2_x,result=bayesSY(x,pw1,pw2);e1=-2;a1=0.5;e2=2;a2=2;m=numel(x);pw1_x=zeros(1,m);pw2_x=zeros(1,m);results=zeros(1,m);for i=1:m pw1x(i)=(pw1*normpdf(x(i),e1,a1)/(pw

5、1*normpdf(x(i),e1,a1)+pw2*normpdf(x(i),e2,a2); pw2x(i)=(pw2*normpdf(x(i),e2,a2)/(pw1*normpdf(x(i),e1,a1)+pw2*normpdf(x(i),e2,a2);endfor i=1:m if pw1x(i)>pw2x(i) result(i)=0;%正常細(xì)胞數(shù) else result(i)=1;%異常細(xì)胞數(shù) endenda=-5:0.05:5;%去樣本點(diǎn)畫圖n=numel(a);pw1_plot=zeros(1,n);pw2_plot=zeros(1,n);for j=1:n pw1_plo

6、t(j)=(pw1*normpdf(a(j),e1,a1)/(pw1*normpdf(a(j),e1,a1)+pw2*normpdf(a(j),e2,a2); pw2_plot(j)=(pw1*normpdf(a(j),e2,a2)/(pw1*normpdf(a(j),e1,a1)+pw2*normpdf(a(j),e2,a2);endfigure(2);hold on;plot(a,pw1_plot,'k-',a,pw2_plot,'r-');for k=1:m if result(k)=0 plot(x(k),-0.1,'b');%正常細(xì)胞用

7、三角表示 else plot(x(k),-0.1 ,'rp'); %異常細(xì)胞用五角星表示 endendlegend('正常細(xì)胞后驗(yàn)概率曲線','異常細(xì)胞后驗(yàn)概率曲線','Location','Best');xlabel('樣本細(xì)胞的觀察值');ylabel('后驗(yàn)概率') title('后驗(yàn)概率分布曲線') grid on 實(shí)驗(yàn)結(jié)果2.最小風(fēng)險貝葉斯決策分類器設(shè)計(jì)實(shí)驗(yàn)程序function R1_x,R2_x,result = bayesSY( x,pw1,pw2)%U

8、NTITLED 此處顯示有關(guān)此函數(shù)的摘要% 此處顯示詳細(xì)說明%分類器設(shè)計(jì)m=numel(x);%得到待測細(xì)胞數(shù)R1_x=zeros(1,m);%存放把樣本x判為正常細(xì)胞所造成的整體損失R2_x=zeros(1,m);%存放把樣本x判為異常細(xì)胞縮小造成的整體損失result=zeros(1,m);%存放比較結(jié)果e1=-2;a1=0.5;e2=2;a2=2;%2類條件分布概率為px_w1:(-2,0.25) px_w2(2,4)r11=0;r12=6;r21=1;r22=0;%風(fēng)險決策表%計(jì)算兩類風(fēng)險值for i=1:m R1_x(i)=r11*pw1*normpdf(x(i),e1,a1)/(p

9、w1*normpdf(x(i),e1,a1)+pw2*normpdf(x(i),e2,a2)+r21*pw2*normpdf(x(i),e2,a2)/(pw1*normpdf(x(i),e1,a1)+pw2*normpdf(x(i),e2,a2); R2_x(i)=r12*pw1*normpdf(x(i),e1,a1)/(pw1*normpdf(x(i),e1,a1)+pw2*normpdf(x(i),e2,a2)+r22*pw2*normpdf(x(i),e2,a2)/(pw1*normpdf(x(i),e1,a1)+pw2*normpdf(x(i),e2,a2) ;endfor i=1:m

10、 if R1_x(i)<R2_x(i)%第一類比第二類風(fēng)險大 result(i)=0; %判為正常細(xì)胞（損失較?。?，用0表示 else result(i)=1; %判為異常細(xì)胞，用1表示 endenda=-5:0.05:5; %取樣本點(diǎn)以畫圖 n=numel(a) ;R1_plot=zeros(1,n) ;R2_plot=zeros(1,n) ;for j=1:n R1_plot(j)=r11*pw1*normpdf(a(j),e1,a1)/(pw1*normpdf(a(j),e1,a1)+pw2*normpdf(a(j),e2,a2)+r21*pw2*normpdf(a(j),e2,a

11、2)/(pw1*normpdf(a(j),e1,a1)+pw2*normpdf(a(j),e2,a2) R2_plot(j)=r12*pw1*normpdf(a(j),e1,a1)/(pw1*normpdf(a(j),e1,a1)+pw2*normpdf(a(j),e2,a2)+r22*pw2*normpdf(a(j),e2,a2)/(pw1*normpdf(a(j),e1,a1)+pw2*normpdf(a(j),e2,a2) %計(jì)算各樣本點(diǎn)的風(fēng)險以畫圖 end figure(1);hold on plot(a,R1_plot,'b-',a,R2_plot,'g*-') for k=1:m if result(k)=0 plot(x(k),-0.1,'b')%正常細(xì)胞用上三角表示 else plot(x(k),-0.1,'go')%異常細(xì)胞用圓表示 end; end; legend('正常細(xì)胞','異常細(xì)胞','Location','Best');xlab