首页 Fisher线性判别分析实验(模式识别与人工智能原理实验1)

Fisher线性判别分析实验(模式识别与人工智能原理实验1)

举报
开通vip

Fisher线性判别分析实验(模式识别与人工智能原理实验1)Fisher线性判别分析实验(模式识别与人工智能原理实验1) Fisher线性判别分析实验(模式识别与人工智能原理实验1) 实验1 Fisher线性判别分析实验 一、摘要 Fisher线性判别分析的基本思想:通过寻找一个投影方向(线性变换,线性组合),将高维问题降低到一维问题来解决,并且要求变换后的一维数据具有如下性质:同类样本尽可能聚集在一起,不同类的样本尽可能地远。 Fisher线性判别分析,就是通过给定的训练数据,确定投影方向W和阈值y0,即确定线性判别函数,然后根据这个线性判别函数,对测试数据进行测...

Fisher线性判别分析实验(模式识别与人工智能原理实验1)
Fisher线性判别 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 实验(模式识别与人工智能原理实验1) Fisher线性判别分析实验(模式识别与人工智能原理实验1) 实验1 Fisher线性判别分析实验 一、摘要 Fisher线性判别分析的基本思想:通过寻找一个投影方向(线性变换,线性组合),将高维问题降低到一维问题来解决,并且要求变换后的一维数据具有如下性质:同类样本尽可能聚集在一起,不同类的样本尽可能地远。 Fisher线性判别分析,就是通过给定的训练数据,确定投影方向W和阈值y0,即确定线性判别函数,然后根据这个线性判别函数,对测试数据进行测试,得到测试数据的类别。 二、算法的基本原理及流程图 1 基本原理 (1)W的确定 各类样本均值向量mi 1,,imx, 1,2,i Nx,Xii SS样本类内离散度矩阵和总类内离散度矩阵 wi TS(xm)(xm), 1,2,,,,i,iii,Xxi SSS,, w12 S样本类间离散度矩阵 b TS(mm)(mm),,,b1212 Tm'= Wm在投影后的一维空间中,各类样本均值。样本类内离散度和总类内离散度 ii TTTS' = WS W S' = WSWS' = WSW。样本类间离散度。 bbiiww Fisher准则函数满足两个性质: ?投影后,各类样本内部尽可能密集,即总类内离散度越小越好。 ?投影后,各类样本尽可能离得远,即样本类间离散度越大越好。 根据这个性质确定准则函数,根据使准则函数取得最大值,可求出W: -1W = S(m - m) 。 w12 (2)阈值的确定 y = (m' + m') / 2实验中采取的方法:。 012 (3)Fisher线性判别的决策规则 T对于某一个未知类别的样本向量x,如果y=Wx>y0,则x?w1;否则x?w2。 ? 1 Fisher线性判别分析实验(模式识别与人工智能原理实验1) 2 流程图 载入训练数据 载入测试数据 归一化处理 归一化处理 得到每个类的均 值向量 判断测试数据类计算类内的离散别 度,总的离散度 计算总离散度的 逆矩阵 计算投影向量和 阈值 l1方差 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 化(归一化处理) xx,,ijil,1j l122一个样本集中,某一个特征的均值与方差为: sxx,,()i,jiil,1jxx,ii归一化: x,isi 三、实验要求 寻找数据进行实验,并分析实验中遇到的问题和结论,写出实验报告。 2
本文档为【Fisher线性判别分析实验(模式识别与人工智能原理实验1)】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑, 图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
该文档来自用户分享,如有侵权行为请发邮件ishare@vip.sina.com联系网站客服,我们会及时删除。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
下载需要: 免费 已有0 人下载
最新资料
资料动态
专题动态
is_633423
暂无简介~
格式:doc
大小:12KB
软件:Word
页数:2
分类:互联网
上传时间:2018-10-29
浏览量:10