实验报告
班 孙励(小班序号 ) 李霄逍(小班序号 )
实验一 Bayes 分类器设计
【实验目的】
对模式识别有一个初步的理解,能够根据自己的设计对贝叶斯决策理论算法有一个深
刻地认识,理解二类分类器的设计原理。
【实验条件】
软件
【实验原理】
最小风险贝叶斯决策可按下列步骤进行:
在已知 , ,, 及给出待识别的 的情况下,根据贝叶
斯公式计算出后验概率:
c
j
ii
ii
i
PXP
PXP
XP
1
)()(
)()(
)(
,
利用计算出的后验概率及决策表,按下面的公式计算出采取 , 的条件
风险
对中得到的 个条件风险值 , 进行比较,找出使其条件风
险最小的决策 ,即
则 就是最小风险贝叶斯决策。
【实验内容】
假定某个局部区域细胞识别中正常( )和非正常( )两类先验概率分别为
正常状态:( );
异常状态:( )。
现有一系列待观察的细胞,其观察值为 :
已知类条件概率是的曲线如下图:
-6 -4 -2 0 2 4 6
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
类条件概率分布正态分布分别为(,)( )试对观察的
结果进行分类。
【实验要求】
用 完成基于最小错误率的贝叶斯分类器的设计,要求程序相应语句有说明
文字,要求有子程序的调用过程。
根据例子画出后验概率的分布曲线以及分类的结果示意图。
如果是最小风险贝叶斯决策,决策表如下:
最小风险贝叶斯决策表:
状态
决策
请重新设计程序,完成基于最小风险的贝叶斯分类器,画出相应的条件风险的分布曲线和
分类结果并比较两个结果。
【实验程序】
最小错误率贝叶斯决策
分类器设计
!"!#$%& '(%&)*)*
! %+得到待测细胞个数
)*,-%$"&+存放对 * 的后验概率
)*,-%$"&+存放对 * 的后验概率
$%& -%$"&+存放比较结果
%
%
+类条件概率分布
"$.
)*,)*/!"$)0%)*/!"$)0%1)*/!"$)
0%+类条件概率服从正态分布
+计算在 * 下的后验概率
)*,)*/!"$)0%
)*/!"$)0%1)*/!"$)0%
+计算在 * 下的后验概率
%!0
"$.
)*,2)*,+比较两类后验概率
$%& +正常细胞
%&%
$%& +异常细胞
%!0
%!0
#..'+取样本点以画图
!! %
)*,)"-%$"&!
)*,)"-%$"&!
"$.!
)*,)")*/!"$)0%
)*/!"$)0%1)*/!"$)0%
+计算每个样本点对 * 的后验概率以画图
)*,)")*/!"$)0%
)*/!"$)0%1)*/!"$)0%
%!0
34 $%
5"0"!
)")*,)"66)*,)"64/6
"$7.
$%& 7
)"7686+正常细胞用上三角表示
%&%
)"764"6+异常细胞用圆表示
%!09
%!09
%4%!06正常细胞66异常细胞66:""!66;%&6
%6细胞的观察值6
(%6后验概率6
%6后验概率分布曲线6
4$0"!
$% $!9
实验内容仿真
#
'
0&)
)*
)*
#$%& '(%&)*)*
最小风险贝叶斯决策
分类器设计
!"!#<,<,$%& '0!4%$)*)*
! %+得到待测细胞个数
<,-%$"&+存放把样本 = 判为正常细胞所造成的整体损失
<,-%$"&+存放把样本 = 判为异常细胞所造成的整体损失
$%& -%$"&+存放比较结果
%
%
+类条件概率分布 ),*.(,) ),*()
$
$
$
$
+风险决策表
"$.+计算两类风险值
<,$/)*/!"$)0%)*/!"$)0%1)*/!"$
)0%1$/)*/!"$)0%
)*/!"$)0%1)*/!"$)0%
<,$/)*/!"$)0%)*/!"$)0%1)*/!"$
)0%1$/)*/!"$)0%
)*/!"$)0%1)*/!"$)0%
%!0
"$.
<,2<,+第二类比第一类风险大
$%& +判为正常细胞(损失较小),用 表示
%&%
$%& +判为异常细胞,用 表示
%!0
%!0
#..'+取样本点以画图
!! %
<,)"-%$"&!
<,)"-%$"&!
"$.!
<,)"$/)*/!"$)0%)*/!"$)0%1)*/!"
$)0%1$/)*/!"$)0%
)*/!"$)0%1)*/!"$)0%
<,)"$/)*/!"$)0%)*/!"$)0%1)*/!"
$)0%1$/)*/!"$)0%
)*/!"$)0%1)*/!"$)0%
+计算各样本点的风险以画图
%!0