解线性方程组的迭代法 数值计算方法实验 数值方法实验
一.试验目的:练习线性方程组的迭代解法。 二.实验内容:分别用雅可比(Jacobi)迭代法和高斯—塞德尔(Gauss—Seidel)迭代法求解下列线性方程组,且比较收敛速度,要求当 是迭代终止。
一.试验目的:练习线性方程组的迭代解法。 二.实验内容:分别用雅可比(Jacobi)迭代法和高斯—塞德尔(Gauss—Seidel)迭代法求解下列线性方程组,且比较收敛速度,要求当 是迭代终止。
一.试验目的:练习线性方程组的直接解法。 二.实验内容:求解如下三对角线方程组: 实验方法:追赶法
实验目的:练习用数值方法求解给定的非线性方程。 实验内容:用牛顿法计算 ,要求结果为具有4位有效数字的近似数。
画出近邻法的程序框图,对给定的分别存放在文件“riply_trn.mat”和”riply_tst.mat”中的两类样本训练集250个测试集1000个,试用近邻法,k近邻法与剪辑近邻法, 重复剪辑近邻法给出测试集的分类结果并分别计算其错误率。
根据给出的触角长度和翼长识别出一只标本是Af还是Apf是重要的。两种蠓虫,Af和Apf已由生物学家W.L.Grogna和W.W. Wirth (1981)根据它们的触角长度和翼长加以区分,见表中数据。 试分别用Fisher判别和感知准则函数求判别函数并判别出最后5个样本的类别,并画出20个样本的散点图及分类直线。 2,4. 最小均方误差准则函数。
给出密度函数的非参数估计公式,并产生1、16、256和16384个服从一维标准正态分布的样本, 1. 分别就窗宽为 , ,窗函数为高斯函数的情形估计所给样本的密度函数并划出图形。 2. 分别就 时用 近邻方法估计所给样本的密度函数并划出图形。
给定2维样本500个,存放在文件“500样本.txt”中,其中前300个是属于第一类的样本,接着200个是属于第二类的样本(第一列为样本的类别)。假设两类样本均来自正态总体,试分别估计其参数,求出决策函数和决策规则并对如下五个未知类别的样本进行分类。
有一组(20个)待识别的细胞样本,其先验概率为0.8(正常)和0.2(异常); 其观察值相应的类条件概率密度如下,试利用最小错误率贝叶斯决策规则和最小风险贝叶斯决策规则,分别设计一个分类器,对它们进行分类(分为两类,正常和异常), (结果表述格式自己设计,表达清楚每个样本的分类情况即可)。风险损失值: 正常状态下(第二行)和异常状态下(第三行)细胞特征观察值的类条件概率密度: