模式识别实验报告(共5页)_第1页
已阅读1页，还剩4页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、模式识别(m sh sh bi)实验报告实验(shyn)信息年级日期姓名学号姓名学号姓名学号201312.7刘秋月201211201057王卓琳201211211067顾一凡20131121实验(shyn)内容实验原理Parzen窗估计假设样本是二维的，R是以x为中心的超立方体，h为超立方体的边长，如下图：给定下面的公式(gngsh)，表示的是Xi是否(sh fu)落在方形中：Parzen概率密度估计(gj)公式的表示如下：此公式表示的是利用方窗实现对待估密度函数的估计对窗口做一定的泛化，使用正态窗实现对待估密度函数的估计，公式如下：Kn近邻估计样本总数为N，在x附近选取与之最近的Kn个样本，

2、计算该Kn个样本分布的最小体积Vn，于是在x处的概率密度估计值为：其渐进(jinjn)收敛的充要条件为：一般(ybn)情况下，取本次实验(shyn)中，设置了不同的邻近系数e来控制Kn的值。由题意可知，该分布为一段三角分布加上均匀分布组合而成，产生三角分布随机数的公式如下：根据以上公式可生成符合要求的随机样本。实验结果Parzen窗估计h=0.25 N取不同值的结果（N=1 16 256） h=1 N取不同值的结果（N=1 16 256）h=4 N取不同(b tn)值的结果(ji gu)结果(ji gu)分析：当N=1时，Pn（x）就是实际的窗函数当N=16及256时，hn=0.25曲线起伏大，hn=1，曲线起伏减小，hn=4，曲线平坦，预测较好N越大，即样本越多，最终估计得到的结果越准确，可见为了得到较为准确的预测结果，需要较大的样本数量Kn近邻估计N=16，邻近系数分别为3和1时的结果N=256，邻近(ln jn)系数分别为3和1时的结果(ji gu)N=1024，邻近系数(xsh)分别为3和1时的结果N=3600，邻近系数分别为3和1时的结果结果分析：当样本量N固定，选取邻近系数为1时数值在高峰段上下波动较大，而选取3时波动平缓，预测较为接近预期结果。当邻近系数固定时，样本量N越大，结果越准确。特别当样本量为16时，误差很大不

人人文库> 全部分类> 教育资料 > 备课教案

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论