模式识别实验报告贝叶斯分类器.doc

模式识别理论与方法 课程作业实验报告 实验名称：Generating Pattern Classes 实验编号：Proj02-01 规定提交日期：2012年3月30日 实际提交日期：2012年3月24日 摘要： 在熟悉贝叶斯分类器基本原理基础上，通过对比分类特征向量维数差异而导致分类正确率发生的变化，验证了“增加特征向量维数，可以改善分类结果”。 对于类数的先验概率已知、且无须考虑代价函数的情况，贝叶斯分类器相当简单：“跟谁亲近些，就归属哪一类”。 技术论述： 贝叶斯分类器基本原理：多数占优，错误率最小，风险最低 在两类中，当先验概率相等时，贝叶斯分类器可以简化如下： 2，增加有效分类特征分量，可以有助于改善分类效果 实验结果讨论： 从实验的过程和结果来看，进一步熟悉了贝叶斯分类器的原理和使用，基本达到了预期目的。 实验结果： 图1 原始数据 图2 按第1 个特征分量分类结果 图3 按第2 个特征分量分类结果 图4 综合两个特征分量分类结果 附录：（程序清单，参见压缩包） %在Matlab 版本2009a 下运行通过