模式识别第四、五章作业:
1. 已知三个高斯概率密度函数,其类中心分别为:A(1, 1, 1),B(3, 3, 3),C
(7, 8, 9);相应的方差分别为:A(1, 1, 1),B(2, 3, 4),C(6, 6, 9)。
2. 基于上述三个概率密度函数,每类随机产生 100 个样本,得样本集 A1,B1,C1。
3. 基于上述三个概率密度函数,随机产生 A2 类 1000 个样本,B2 类 600 个样本,C2 类 1600
个样本。
4. 以 D2={A2, B2, C2}为训练样本集,用 KNN 方法,对 D1={A1, B1, C1}中的 300 个样本进行
分类,并计算分类的正确率。其中 K=3~9,可以根据自己电脑的计算能力设定。
5. 以 D2={A2, B2, C2}为训练样本集,采用线性分类机的方法,对 D1={A1, B1, C1}中的 300 个
样本进行分类,并计算分类的正确率。
6. 以 D2={A2, B2, C2}为训练样本集,采用扩展的线性分类机(二次)的方法,对 D1={A1,
B1, C1}中的 300 个样本进行分类,并计算分类的正确率。【此题选做】
7. 以 D2 为训练样本集,已知类别数为 3。(1)采用 K-Means 的方法,对 D2 进行聚类;
(2)采样无监督学习中 MLE 的方法,对 D2 的概率密度函数、先验概率等进行估计;
(3)对 D1 中的 300 个样本进行分类,并计算分类的正确率。
评论0