資源簡介
基于最小風險的貝葉斯決策,模式識別課程,代碼采用Matlab編寫,其中用到的時求先驗概率,后驗概率,決策上有點小問題,缺個決策表
代碼片段和文件信息
[DATACLASS]=xlsread(‘train_1.xls‘‘A1:I120‘);??????%讀取學習數據
Test_DATA=xlsread(‘test_2.xls‘‘A1:H40‘);???????????%讀取測試數據
CLASS=cell2mat(CLASS(:9));
??????????%求先驗概率
P_prior=[size(CLASS(find(CLASS==‘b‘))1)???????????
?????????size(CLASS(find(CLASS==‘c‘))1)
?????????size(CLASS(find(CLASS==‘d‘))1)
?????????size(CLASS(find(CLASS==‘e‘))1)]./size(CLASS1)
?????
??????????%數據分類
B_class=DATA(find(CLASS==‘b‘):);
C_class=DATA(find(CLASS==‘c‘):);
D_class=DATA(find(CLASS==‘d‘):);
E_class=DATA(find(CLASS==‘e‘):);
??????????%求概率密度
covariance=cov([Test_DATA;B_class]);
for?i=1:40
P_density_B(i1)=exp((-0.5)*((Test_DATA(i:)-mean(B_class))*inv(covariance)...
????*(Test_DATA(i:)-mean(B_class))‘))/(((2*pi)^(8/2))*sqrt(det(covariance)));
end
covariance=cov([Test_DATA;C_class]);
for?i=1:40
P_density_C(i1)=exp((-0.5)*((Test_DATA(i:)-mean(C_class))*inv(covariance)...
????*(Test_DATA(i:)-mean(C_class))‘))/(((2*pi)^(8/2))*sqrt(det(covariance)));
end
covariance=cov([Test_DATA;D_class]);
for?i=1:40
P_density_D(i1)=exp((-0.5)*((Test_DATA(i:)-mean(D_class))*inv(covariance)...
????*(Test_DATA(i:)-mean(D_class))‘))/(((2*pi)^(8/2))*sqrt(det(c
- 上一篇:Matlab數字圖像處理 大作業(yè)
- 下一篇:matlab混沌工具箱
評論
共有 條評論