贝叶斯分类器的一个简单应用(matlab)

来源：互联网发布：ubuntu安装后无法引导编辑：程序博客网时间：2024/04/30 04:02

在军事目标识别中，假定有灌木丛和坦克两种类型，它们的先验概率分别是0.7和0.3，损失函数分别如下表所示，其中类型w1和w2分别表示灌木和坦克，判决a1=w1,a2=w2,a3表示拒绝判断。现在做了四次实验，获得四个样本的类概率密度如下:

P(x|w1):0.1,0.15,0.3,0.6, P(x|w2):0.8,0.7,0.55,0.3

问：（1）用最小错误率准则，判断四个样本个属于哪个类型。

（2）假定只考虑前两种情况，试用最小风险准则判断四个样本各属于哪一个类型。

（3）把拒绝判决考虑在内，重新考核四次实验的结果

w1w2a12.52.0a24.01.0a31.51.5

clearpw1=0.7;pw2=0.3;pxw1=[0.1,0.15,0.3,0.6];pxw2=[0.8,0.7,0.55,0.3];for i=1:4 px=pw1*pxw1(i)+pw2*pxw2(i);pw1x=(pxw1(i)*pw1)/px;pw2x=(pxw2(i)*pw2)/px;if pw1x>pw2x  disp(['第',num2str(i),'个是灌木丛']);elsedisp(['第',num2str(i),'个是坦克']);endend%第二题clearpw1=0.7;pw2=0.3;pxw1=[0.1,0.15,0.3,0.6];pxw2=[0.8,0.7,0.55,0.3];for i=1:4px=pw1*pxw1(i)+pw2*pxw2(i);pw1x=(pxw1(i)*pw1)/px;pw2x=(pxw2(i)*pw2)/px;a11=2.5;a12=2.0;a21=4.0;a22=1.0;Ra1x=a11*pw1x+a12*pw2x;Ra2x=a21*pw1x+a22*pw2x;if Ra1x<Ra2xdisp(['第',num2str(i),'个是灌木丛']);elsedisp(['第',num2str(i),'个是坦克']);endend%第三题clearpw1=0.7;pw2=0.3;pxw1=[0.1,0.15,0.3,0.6];pxw2=[0.8,0.7,0.55,0.3];for i=1:4px=pw1*pxw1(i)+pw2*pxw2(i);pw1x=(pxw1(i)*pw1)/px;pw2x=(pxw2(i)*pw2)/px;a11=2.5;a12=2.0;a21=4.0;a22=1.0;a31=1.5;a32=1.5;Ra1x=a11*pw1x+a12*pw2x;Ra2x=a21*pw1x+a22*pw2x;Ra3x=a31*pw1x+a32*pw2x;switch min(min(Ra1x,Ra2x),Ra3x)case Ra1xdisp(['第',num2str(i),'个是灌木丛']);case Ra2xdisp(['第',num2str(i),'个是坦克']);case Ra3xdisp(['第',num2str(i),'拒绝假设！']);endend

1 0