function?y=experiment1（）

m1=[0.42-0.0870.58;-0.2-3.3-3.4;1.3-0.321.7;0.390.710.23;-1.6-5.3-0.15;-0.0290.89-4.7;-0.231.92.2;0.27-0.3-0.87;-1.90.76-2.1;0.87-1.0-2.6];
m2=[-0.40.580.089;-0.310.27-0.04;0.380.055-0.035;-0.150.530.011;-0.350.470.034;0.170.690.1;-0.0110.55-0.18;-0.270.610.12;-0.0650.490.0012;-0.120.054-0.063];
m3=[0.831.6-0.014;1.11.60.48;-0.44-0.410.32;0.047-0.451.4;0.280.353.1;-0.39-0.480.11;0.34-0.0790.14;-0.3-0.222.2;1.11.2-0.46;0.18-0.11-0.49];
%?a）?對類m1中的3個特征分別求最大似然估計ud
u1=mean（m1（1:101））
d1=var（m1（1:101））
u12=mean（m1（1:102））
d2=var（m1（1:102））
u3=mean（m1（1:103））
d3=var（m1（1:103））
%?b）?對m1中任意兩個特征組合求最大似然估計
u12=mean（m1（1:101:2））
D12=cov（m1（1:101:2））
u13=mean（m1（1:101:2:3））
D13=cov（m1（1:101:2:3））
u23=mean（m1（1:102:3））
D23=cov（m1（1:102:3））
%?c）?對m1中3個特征的組合求最大似然估計
u=mean（m1（1:10:））
D=cov（m1（1:10:））
%?d）?假設高斯模型可分離，估計w2中的均值和協方差矩陣
u=mean（m2（1:10:））
d=var（m2（1:10:））;
D=diag（d）
%--------------------------------------------------------------------------
%?b）?對類別m2m3計算最優投影方向w
w=fisher（m2m3）;
%?c）?畫出投影前的點用‘*’標記，表示最優方向w的直線，并且標記出投影后的點在直線上的位置，用‘.’標記
subplot（121）
x1=m2（1:101）;y1=m2（1:102）;z1=m2（1:103）;
x2=m3（1:101）;y2=m3（1:102）;z2=m3（1:103）;
plot3（x1y1z1‘r*‘x2y2z2‘b*‘）
hold?on
x=-2:0.1:2;
y=w（21）/w（11）*x;
z=w（31）/w（11）*x;
plot3（xyz）
rotate3D?on
subplot（122）
x=-2:0.1:2;
y=w（21）/w（11）*x;
z=w（31）/w（11）*x;
plot3（xyz）
hold?on
%?對w2中點投影
for?i=1:10
????x=（m2（i1）+w（21）/w（11）*m2（i2）+w（31）/w（11）*m2（i3））/（1+（w（21）/w（11））^2+（w（31）/w（11））^2）;
????y=w（21）/w（11）*x;
????z=w（31）/w（11）*x;
??plot3（xyz‘r*‘）??
end
hold?on
%?對w3中的點投影
for?i=1:10
????x=（m3（i1）+w（21）/w（11）*m3（i2）+w（31）/w（11）*m3（i3））/（1+（w（21）/w（11））^2+（w（31）/w（11））^2）;
????y=w（21）/w（11）*x;
????z=w（31）/w（11）*x;
??plot3（xyz‘b*‘）??
end
rotate3D?on
%?d）??用用一維高斯函數擬合，并且求分類決策面
for?i=1:10
????mw1（i）=m2（i:）*w;
????mw2（i）=m3（i:）*w;
end
%?mw1
%?mw2
[u1d1]=normfit（mw1）;
[u2d2]=normfit（mw2）;
x=（log10（d1/d2）+（u2^2/d2-u1^2/d1））/2*（u1/d1-u2/d2）
%?e）求分類誤差
for?i=1:10
if?mw1（i）>x
????c1（i）=1;
elseif?mw1（i）????c1（i）=-1;
end
end
for?i=1:10
if?mw2（i）>x
????c2（i）=-1;
elseif?mw2（i）????c2（i）=1;
end
end
k=0;
for?i=1:10
????if?（c1（i）==-1）||（c2（i）==-1）
????????k=k+1;
????end
end
p=（20-k）/20
%?f）?使用非最優方向w=（1.02.0-1.5）’重復（d）（e）兩個步驟
w=[12-1.5].‘
for?i=1:10
????mw1（i）=m2（i:）*w;
????mw2（i）=m3（i:）*w;
end
%?mw1
%?mw2
[u1d1]=normfit（mw1）;
[u2d2]=normfit（mw2）;
x=（log10（d1/d2）+（u2^2/d2-u1^2/d1））/2*（u1/d1-u2/d2）
for?i=1:10
if?mw1（i）>x
????c1（i）=1;
elseif?mw1（i）????c1（i）=-1;
end
end
for?i=1:10
if?mw2（i）>x
????c2（i）=-1;
elseif?mw2（i）????c2（i）=1;
end
end
k=0;
for?i=1:10
????if?（c1（i）==-1）||（c2（i）==-1）
????????k=k+1;
????end
end
p=（20-k）/20

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

function?w=fisher（w1w2）??%%w1w2為10*3的矩陣，w為線性判別方法的投影向量
u1=mean（

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????3493??2007-05-26?18:33??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。\胡恩良????PR實驗作業\experiment2\test11_12.m

?????文件???????3392??2007-05-26?16:39??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。\胡恩良????PR實驗作業\experiment2\test3_4.m

?????文件???????3518??2007-05-26?16:58??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。\胡恩良????PR實驗作業\experiment2\test5_6.m

?????文件???????5112??2007-05-26?18:23??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。\胡恩良????PR實驗作業\experiment2\test7.m

?????文件???????3854??2007-05-26?17:30??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。\胡恩良????PR實驗作業\experiment2\test8_9.m

?????文件???????3659??2007-05-26?17:51??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。\胡恩良????PR實驗作業\experiment2\test10.m

?????文件?????101376??2007-05-27?10:47??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。\胡恩良????PR實驗作業\experiment2\模式識別實驗（二）.doc

?????文件??????57344??2006-04-09?03:18??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。\胡恩良????PR實驗作業\experiment2\SVM\svmtrain.dll

?????文件??????28672??2006-04-09?03:18??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。\胡恩良????PR實驗作業\experiment2\SVM\svmpredict.dll

?????文件???????2890??2007-05-26?22:22??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。\胡恩良????PR實驗作業\experiment2\SVM\Svm_Class_Iris.m

?????文件???????2485??2007-05-26?22:44??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。\胡恩良????PR實驗作業\experiment3\experiment3.m

?????文件?????287744??2007-05-27?11:46??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。\胡恩良????PR實驗作業\experiment3\模式識別實驗（三）.doc

?????文件???????3444??2007-05-23?15:34??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。\胡恩良????PR實驗作業\experiment1\experiment1.m

?????文件?????145920??2007-05-27?11:34??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。\胡恩良????PR實驗作業\experiment1\實驗報告（一）.doc

?????目錄??????????0??2007-05-26?17:19??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。\胡恩良????PR實驗作業\experiment2\SVM

?????目錄??????????0??2007-05-25?11:37??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。\胡恩良????PR實驗作業\experiment2

?????目錄??????????0??2007-05-25?11:37??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。\胡恩良????PR實驗作業\experiment3

?????目錄??????????0??2007-05-25?11:38??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。\胡恩良????PR實驗作業\experiment1

?????目錄??????????0??2007-05-25?11:31??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。\胡恩良????PR實驗作業

?????目錄??????????0??2008-08-20?14:35??模式識別中的十大經典算法，有詳細的實現過程，花了很大工夫，現揮淚上傳。

-----------?---------??----------?-----??----

???????????????652903????????????????????20