已阅读5页,还剩8页未读, 继续免费阅读
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
实 验 报 告学生姓名: 孙杨威 学 号:12281201 实验地点:九教北401综合实验室 实验时间:2014.10.30一、 实验名称: 线性分类器设计二、 实验原理:1.感知器准则算法实验:感知器的原理结构为:感知器”是借于上世纪五六十年代人们对一种分类学习机模型的称呼,源于对生物智能的仿生学领域。定义感知准则函数:只考虑错分样本,于是定义: ,其中X0为错分样本当分类发生错误时就有WTX 0, 所以J(W) 总是正值,错误分类愈少, J(W)就愈小。理想情况为 ,即求最小值的问题。求最小值,对W求梯度代入迭代公式中Wk+1 = Wk-kJ 由J(W)经第K+1次迭代时,J(W)趋于0,收敛于所求的W值。2基于Fisher准则线性分类器设计:Fisher准则函数:Fisher准则函数下的最优投影方向:向量 就是使Fisher准则函数 达极大值的解,也就是按Fisher准则将2维X空间投影到一维Y空间的最佳投影方向,该向量 的各分量值是对原2维特征向量求加权和的权值。以上讨论了线性判别函数加权向量W的确定方法,并讨论了使Fisher准则函数极大的2维向量 的计算方法,但是判别函数中的另一项 尚未确定,一般可采用下式确定:当W0确定之后,则可按以下规则分类三、 实验内容:实验一:实验所用样本数据如表1给出(其中每个样本空间(数据)为两维,x 1表示第一维的值、x 2表示第二维的值),编制程序实现1、 2类 2、 3类的分类。分析分类器算法的性能。具体要求:1、复习感知器算法; 2、写出实现批处理感知器算法的程序1)从a=0开始,将你的程序应用在1和2的训练数据上。记下收敛的步数。2)将你的程序应用在2和3类上,同样记下收敛的步数。实验二:已知有两类数据 和 。 中数据点的坐标对应如下:四、 实验步骤:1.把数据作为样本,根据Fisher选择投影方向 的原则,使原样本向量在该方向上的投影能兼顾类间分布尽可能分开,类内样本投影尽可能密集的要求,求出评价投影方向 的函数,并在图形表示出来,并求 使 取极大值的 。用matlab完成Fisher线性分类器的设计,程序的语句要求有注释。2.根据上述的结果并判断( 1,1.5,0.6 ),(1.2,1.0,0.55),(2.0,0.9,0.68),(1.2,1.5,0.89), ( 0.23,2.33,1.43 ) ,属于哪个类别,并画出数据分类相应的结果图,画出其在 上的投影五、 实验代码及分析:实验一:Perceptron.m文件输入以下代码:clear all;clc;%original data%产生第一类、第二类和第三类原始数据,分别赋给w1、w2 和w3 变量w1=0.1 6.8 -3.5 2.0 4.1 3.1 -0.8 0.9 5.0 3.9;1.1 7.1 -4.1 2.7 2.8 5.0 -1.3 1.2 6.4 4.0;w2=7.1 -1.4 4.5 6.3 4.2 1.4 2.4 2.5 8.4 4.1;4.2 -4.3 0.0 1.6 1.9 -3.2 -4.0 -6.1 3.7 -2.2;w3=-3.0 0.5 2.9 -0.1 -4.0 -1.3 -3.4 -4.1 -5.1 1.9;-2.9 8.7 2.1 5.2 2.2 3.7 6.2 3.4 1.6 5.1;%normalized%分别产生第一类、第二类和第三类增广样本向量集ww1、ww2 和ww3ww1=ones(1,size(w1,2); w1;ww2=ones(1,size(w2,2); w2;ww3=ones(1,size(w3,2); w3;%产生第一类和第二类样本向量的规范化增广样本向量集w12w12=ww1,-ww2;%4-42%w13=ww1,-ww3;%w23=ww2,-ww3;y=zeros(1,size(w12,2); %产生1x20 的行向量,赋给y,初值全为0v=1;1;1; %给权向量v 赋初值k=0; %k 为迭代次数,v(0)= 1;1;1while any(y=0)for i=1:size(y,2)y(i)=v*w12(:,i);endv=v+(sum(w12(:,find(y=0);k=k+1;endv %显示最终求得的权向量v 的值k %迭代次数值figure(1)plot(w1(1,:),w1(2,:),r.)hold onplot(w2(1,:),w2(2,:),b*)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=xmin-1:(xmax-xmin)/100:xmax+1;yindex=-v(2)*xindex/v(3)-v(1)/v(3); %由v*xindex=0推,参考书上(4-44)plot(xindex,yindex) %从v=0 开始,将程序应用在2 和3 类上,同样记下收敛的步数。w23=ww2,-ww3;yy=zeros(1,size(w23,2); %产生1x20 的行向量,赋给y,初值全为0vv=1;1;1; %给权向量v 赋初值kk=0; %k 为迭代次数,v(0)= 1;1;1while any(yy=0)for i=1:size(yy,2)yy(i)=vv*w23(:,i);endvv=vv+(sum(w23(:,find(yy0 h3=plot3(A(1,k),A(2,k),A(3,k),ro); %点为ro对应第一类 h3=plot3(A11(1),A11(2),A11(3),ro); %投影为ro对应第一类 else h4=plot3(A(1,k),A(2,k),A(3,k),bh); %点为ch对应第二类 h4=plot3(A11(1),A11(2),A11(3),bh); %投影为ch对应第二类 endendlegend(h1,h2,h3,h4,第一类样本点,第二类样本点,属于第一类的点,属于第二类的点);%画出最佳方向 line(-W1(1),W1(1),-W1(2),W1(2),-W1(3),W1(3),color,k); view(-37.5,30); %设置视点的函数view(方位角,仰角)axis(-2,3,-1,3,-0.5,1.5); %设置坐标轴可见范围grid onhold off六、 实验结果及分析:实验一:感知器训练算法得到1 、2 的分类线感知器训练算法得到2 、3 的分类线实验表明:1 、2收敛的步数是28步,2 、3 收敛的步数是23步。感知器训练算法是针对线性可分的,对于不可分的一组数据,感知器算法算不出结果来。实验二:下图中,红色的*是给出的第一类样本点,绿色的五角星是第二类样本点。下方的实直线是最佳投影方向。待测数据投影在其上,圆圈是被分为第一类的样本点,六角星是被分为第二类的样本点。使取极大值的W=(-0.0798, 0.2005,-0.0478)实验表明:的比例因子对于Fisher判别函数没有影响的原因:在本实验中,最重要的是W的方向,或者说是在此方向上数据的投影,所以W的比例因子,即它是单位向量的多少倍长就没那么重要了,不管比例因子大小是多少,在最后求投影时都会被消掉。七、 总结及心得体会:通过本次试验,我进一步
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 学校食堂目标市场分析
- 创新设计项目计划书
- 农贸市场安全生产综合应急预案
- 大型商业建筑设计
- 初中生班会活动游戏
- 创业综合模拟实训公司总结
- 大学手机市场调查报告
- 中学数学课堂教学技能实训教程
- 医疗器械销售市场规划
- 万博中心商业写字楼项目策划定位可行性分析报告
- 上海市房屋买卖合同(样本)精简版(多附件条款版)-2024新整理
- 全国初中数学青年教师优质课一等奖《反比例函数的图象和性质》课件
- 太平洋保险入职测评题答案
- 车间技术生产计划编制及调整的实施方法与工具
- 高考数学冲刺押题卷03(2024新题型)(解析版)
- 2024年教师招聘考试模拟题2套(含答案)
- 2024年考研政治真题与答案解析(完整版)
- 【长虹美菱企业物流成本核算及发展建议8100字】
- 治疗痛经艾灸
- 2022-2023年湖南省普通高中学业水平合格考试英语真题试卷 含详解
- 建筑桩基技术规范_JGJ94-2008.doc
评论
0/150
提交评论