• 大小: 2KB
    文件类型: .m
    金币: 1
    下载: 0 次
    发布日期: 2021-06-08
  • 语言: Matlab
  • 标签: 最小风险  

资源简介

基于最小风险的贝叶斯决策,模式识别课程,代码采用Matlab编写,其中用到的时求先验概率,后验概率,决策上有点小问题,缺个决策表

资源截图

代码片段和文件信息

[DATACLASS]=xlsread(‘train_1.xls‘‘A1:I120‘);      %读取学习数据
Test_DATA=xlsread(‘test_2.xls‘‘A1:H40‘);           %读取测试数据
CLASS=cell2mat(CLASS(:9));

          %求先验概率
P_prior=[size(CLASS(find(CLASS==‘b‘))1)           
         size(CLASS(find(CLASS==‘c‘))1)
         size(CLASS(find(CLASS==‘d‘))1)
         size(CLASS(find(CLASS==‘e‘))1)]./size(CLASS1)
     
          %数据分类
B_class=DATA(find(CLASS==‘b‘):);
C_class=DATA(find(CLASS==‘c‘):);
D_class=DATA(find(CLASS==‘d‘):);
E_class=DATA(find(CLASS==‘e‘):);
          %求概率密度
covariance=cov([Test_DATA;B_class]);
for i=1:40
P_density_B(i1)=exp((-0.5)*((Test_DATA(i:)-mean(B_class))*inv(covariance)...
    *(Test_DATA(i:)-mean(B_class))‘))/(((2*pi)^(8/2))*sqrt(det(covariance)));
end

covariance=cov([Test_DATA;C_class]);
for i=1:40
P_density_C(i1)=exp((-0.5)*((Test_DATA(i:)-mean(C_class))*inv(covariance)...
    *(Test_DATA(i:)-mean(C_class))‘))/(((2*pi)^(8/2))*sqrt(det(covariance)));
end

covariance=cov([Test_DATA;D_class]);
for i=1:40
P_density_D(i1)=exp((-0.5)*((Test_DATA(i:)-mean(D_class))*inv(covariance)...
    *(Test_DATA(i:)-mean(D_class))‘))/(((2*pi)^(8/2))*sqrt(det(c

评论

共有 条评论