模式识别报告-bayes分类(共7页).docx

精选优质文档-倾情为你奉上西安交通大学模式识别实验一IRIS正态分布假设下的贝叶斯分类吴娟梅 硕20813112313030实验原理对于具有多个特征参数的样本（如本实验的iris数据样本有个参数），其正态分布的概率密度函数可定义为式中，是维行向量，是维行向量，是维协方差矩阵，是的逆矩阵，是的行列式。本实验我们采用最小错误率的贝叶斯决策，使用如下的函数作为判别函数（3个类别）其中为类别发生的先验概率，为类别的类条件概率密度函数。由其判决规则，如果使对一切成立，则将归为类。我们根据假设：类别，i=1,2,N的类条件概率密度函数，i=1,2,N服从正态分布，即有，那么上式就可以写为对上式右端取对数，可得上式中的第二项与样本所属类别无关，将其从判别函数中消去，不会改变分类结果。则判别函数可简化为以下形式实验过程1.用部分数据来估计均值、协方差首先读入数据专心-专注-专业clear allclc% 原始数据导入，原数据以文本