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
w1w2a12.52.0a24.01.0a31.51.5clearpw1=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
- 贝叶斯分类器的一个简单应用(matlab)
- 最简单的贝叶斯分类器演示(含Matlab程序)
- 最简单的贝叶斯分类器演示(含Matlab程序)
- 最简单的贝叶斯分类器MATLAB实现
- 最简单的贝叶斯分类器演示(含Matlab程序)
- matlab实现简单的感知器分类
- 贝叶斯最优分类器的一个实例MATLAB代码
- 贝叶斯分类器的简单应用-拼写检查的实现
- deeplearning----学习一个简单的分类器
- 贝叶斯分类器Matlab
- 贝叶斯分类器的matlab实现
- 贝叶斯分类器的MATLAB实现
- 简单的matlab图片分类程序
- 一个简单的matlab项目实现三层神经网络的简单应用
- MATLAB实现贝叶斯分类器
- 使用Pylearn2构建一个简单的分类器
- 使用Pylearn2构建一个简单的分类器
- 搭建一个简单的Softmax分类器(基于CS231n)
- php Mcrypt
- iOS处理分享时,在三方应用中无法返回自己应用的问题
- 微信 php 获取ticket
- Java 获取区域号段
- Java sendemail
- 贝叶斯分类器的一个简单应用(matlab)
- erlang 二叉树
- 【IOS】打开系统设置页面
- Java 二叉树
- Sqlserver 备份脚本——配置邮件
- 治病跟修电脑差不多
- Android 线程池及多线程下载,Progressbar动态更新以及文件保存sd卡
- 获取当前域名
- word怎么打拼音声调的三种方法介绍