贝叶斯分类器(含MATLAB实现)
来源:互联网 发布:花生壳域名使用方法 编辑:程序博客网 时间:2024/06/05 23:38
由于被测试的模式特征向量通常存在随机性,所获得的模式样本有一定的统计分布。因此,采用统计决策的理论方法进行模式分类是常用的模式识别方法。这也是遥感图像土地分类的常用方法。统计决策函数以贝叶斯定理为基础,一般需要满足两个基本条件:
1)已知模式向量的有关概率分布先验知识,如先验概率、类条件概率密度。
2)待解决的问题中,其训练样本的类别是已知的,因此在已知的类别样本的指导下进行模式分类的。称为有监督分类。
贝叶斯分类器的分类原理是通过某对象的先验概率,利用贝叶斯公式计算出其后验概率,即该对象属于某一类的概率,选择具有最大后验概率的类作为该对象所属的类。
贝叶斯分类器的分类原理是通过某对象的先验概率,利用贝叶斯公式计算出其后验概率,即该对象属于某一类的概率,选择具有最大后验概率的类作为该对象所属的类。也就是说,贝叶斯分类器是最小错误率意义上的优化。目前研究较多的贝叶斯分类器主要有四种,分别是:Naive Bayes、TAN、BAN和GBN。
MATLAB分类实现对fisherifis 中的versicolor 和cirginica 进行分类
load fisheriris;%绘制要分类的类别
SL =meas(51:end,1);SW=meas(51:end,2);group=species(51:end);h1=gscatter(SL,SW ,group,'rb','v^',[],'off');set(h1,'lineWidth',2);legend('Fisher versicolor','Fisher virginica','Location','NW');
%分类[X,Y]=meshgrid(linspace(4.5,8),linspace(2,4));X=X(:);Y=Y(:);[C,err,P,logp,coeff]=classify([X,Y],[SL,SW],group,'quadratic');
%分类观察
hold on;gscatter(X,Y,C,'rb','.',1,'off');K=coeff(1,2).const;L=coeff(1,2).linear;Q=coeff(1,2).quadratic;f=sprintf('0=%g+%g*x+%g*y+%g*x^2+%g*x.*y+%g*y.^2',K,L,Q(1,1),Q(1,2)+Q(2,1),Q(2,2));h2=ezplot(f,[4.5 8 2 4]);set(h2,'Color','m','LineWidth',2);axis([4.5 8 2 4]);xlabel('Sepal Length');ylabel('Sepal Width');title('{\bf Classification with Fisher Training Data}');
原始要分类的图像:
结果显示:
0 0
- 贝叶斯分类器(含MATLAB实现)
- 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演示(含Matlab程序)
- MATLAB实现贝叶斯分类器
- 采用线性SVM对线性不可分的数据进行分类(含matlab实现)
- 模式识别(七):MATLAB 实现朴素贝叶斯分类器
- 贝叶斯分类器的matlab实现
- 朴素贝叶斯分类器:MATLAB工具箱实现
- 模式识别三--MATLAB实现贝叶斯分类器
- 贝叶斯分类器的MATLAB实现
- 分类器设计之logistic回归分析(含Matlab代码)
- 基于树型弱分类器的adaboot演示(含Matlab代码)
- MATLAB 实现轨迹分类(路径分类)
- 贝叶斯分类器Matlab
- 分类器设计之线性分类器和线性SVM(含Matlab代码)
- 分类器设计之线性分类器和线性SVM(含Matlab代码)
- 分类器设计之线性分类器和线性SVM(含Matlab代码)
- 【历史】JavaScript和Java没啥关系!————JavaScript简史
- java io流详解(一)
- Java历史简介
- hdu5510Bazinga+KMP
- hhu Kingdom of Black and White 暴力 TWT Tokyo Olympic 1COMBO -1
- 贝叶斯分类器(含MATLAB实现)
- [swift]的简单使用常量变量。字典 数组的初始化
- 矩形覆盖
- 软件工程之我见
- 设备驱动基础0:设备模型之kobject,kset及其关系
- Java 规范 SPI
- [Untiy3d技巧学习]Untiy中用作计数器,或在间隔时间内执行某一代码的方法。
- NYOJ 17 单调递增最长子序列 (LIS模板)
- C - fmod音频处理框架