实验内容安排

1、2015-2016学年 模式识别基础 实验课程安排一、实验要求与评分标准1. 实验课程占期末成绩比例: 在期末成绩中所占比例为20%2. 实验课全部出席才能拿到学分（特殊情况需要请假）3. 实验课尽量不要迟到与早退4. 实验报告第17周的周四前提交 （由班长统一提交至 ）二、 实验报告要求l 交报告日期：17周 周四之前l 报告内容 共3组实验的实验报告 姓名、学号、班级、题目 原理简述及程序框图 实验结果及分析 体会（如果有的话） 报告不要打印源代码三、实验数据训练样本集l famale.txt 50个女生的身高、体重数据l male.txt 50个男生的身

2、高、体重数据测试样本集l test1.txt 35个同学的身高、体重、性别数据（15个女生、20个男生）l test2.txt 300个同学的身高、体重、性别数据（50个女生、250个男生）四、实验内容实验1. 用身高和/或体重数据进行性别分类的实验基本要求：用famale.txt和male.txt的数据作为训练样本集，建立bayes分类器，用测试样本数据对该分类器进行测试。调整特征、分类器等方面的一些因素，考察它们对分类器性能的影响，从而加深对所学内容的理解和感性认识。具体做法：1 应用单个特征进行实验：以（a）身高或者（b）体重数据作为特征，在正态分布假设下利用最大似然法法估计概率密度函数

3、，建立最小错误率bayes分类器，写出得到的决策规则；将该分类器应用到测试样本，考察测试错误情况。在分类器设计时可以考察采用不同先验概率（如0.5对0.5, 0.75对0.25, 0.9对0.1等）进行实验，考察对决策规则和错误率的影响。2 应用两个特征进行实验：同时采用身高和体重数据作为特征，假设二者不相关，在正态分布假设下估计概率密度函数，建立最小错误率bayes分类器，写出得到的决策规则；将该分类器应用到训练/测试样本，考察训练/测试错误情况。在分类器设计时可以考察采用不同先验概率（如0.5 vs. 0.5, 0.75 vs. 0.25, 0.9 vs. 0.1等）进行实验，考察对决策和

4、错误率的影响。3 应用两个特征进行实验：同时采用身高和体重数据作为特征，假设二者相关，在正态分布假设下估计概率密度函数，建立最小错误率bayes分类器，写出得到的决策规则，将该分类器应用到训练/测试样本，考察训练/测试错误情况。比较相关假设和不相关假设下结果的差异。在分类器设计时可以考察采用不同先验概率（如0.5 vs. 0.5, 0.75 vs. 0.25, 0.9 vs. 0.1等）进行实验，考察对决策和错误率的影响。4 自行给出一个风险表，采用最小风险的bayes决策重复上面的某个或全部实验。实验2. 用身高/体重数据进行性别分类的实验基本要求：l 试验直接设计线性分类器的方法，与基于概

5、率密度估计的贝叶斯分类器进行比较。l 体会留一法（leave-one-out）估计错误率的方法和结果。具体做法：1. 同时采用身高和体重数据作为特征，用fisher线性判别方法求分类器，将该分类器应用到训练和测试样本，考察训练和测试错误情况。将训练样本和求得的决策边界画到图上，同时把以往用bayes方法求得的分类器（例如: 最小错误率bayes分类器）也画到图上，比较结果的异同。2. 对上述方法，用留一法在训练集上估计错误率，在测试集上计算错误率，对不同方法的错误率进行比较。实验3. 用身高/体重数据进行性别分类的实验基本要求：l 试验采用k-近邻法及压缩k-近邻法进行分类，与基于概率密度估计的贝叶斯分类器进行比较。l 体会留一法估计错误率的方法和结果。具体做法：1 同时采用身高和体重数据作为特征，用压缩k-近邻法进行分类，考察训练和测试错误情况。将训练样本和求得的决策边界画到图