模式识别工具箱安装及使用

模式识别工具箱是学习模式识别基本原理、灵活应用既有的模式识别方法、开发研制新的识别方法、提高学生分析和解决问题能力的一个良好平台。本文采用的模式识别工具箱是由Elad Yom-Tov，Hilit Serby和David G. Storka等人开发的。 掌握安装模式识别工具箱的技巧，能熟练使用工具箱中的各项功能；熟练使用最小错误率贝叶斯决策器对样本分类；熟练使用感知准则对样本分类；熟练使用最小平方误差准则对样本分类；了解近邻法的分类过程，了解参数 K 值对分类性能的影响；了解不同的特征提取方法对分类性能的影响。

1 安装模式识别工具箱

首先将工具箱文件拷贝至指定文件夹里，然后在MATLAB 环境下将该文件夹设置成“current directory”（即当前文件夹）；最后在 MATLAB 命令行状态下，键入 Classifier 并按回车键；则可得到如图 1-2示主界面。在该主界面上，可以装入样本文件（见界面“Filename”处），可以选择特征提取方式（见界面“preprocessing”处），可以选择不同的模式识别方法（见界面“algorithms”处），识别结果（识别错误率）显示在界面“classification errors”处。

2 用最小错误率贝叶斯决策器对呈正态分布的两类样本分类。

首先点击界面“Filename”处的下拉式菜单，在文件列表中选择双螺旋样本文件 XOR.mat；然 后 在 界 面 “preprocessing” 处 下 拉 式 菜 单 中 选 择 “None” ， 在 界 面“Algorithm”处下拉式菜单中选择“None”，最后点击界面上的“Start”按钮，得到如图1-3所示的分类结果。使用屏幕拷贝方式将该分类结果保存于WORD文档里，并如实记录界面“classification errors”处显示的分类错误率。

3 用感知准则对两类可分样本进行分类。

首先点击界面“Filename”处的下拉式菜 单 ， 在 文 件 列 表 中 选 择 可 分 样 本 文 件 Seperable.mat ； 然 后 在 界 面“preprocessing”处下拉式菜单中选择“None”，在界面“Algorithm”处下拉式菜单中选择“Perceptron”，在界面“Num of iteration”处填入数字“300”，最后点击界面上的“Start”按钮，得到如图所示的分类结果。使用屏幕拷贝方式将该分类结果保存于 WORD 文档里，并如实记录界面“classification errors”处显示的分类错误率。

4 用最小平方误差准则对两类样本进行分类。

首先点击界面“Filename”处的下拉式菜单，在文件列表中选择可分样本文件 Clouds.mat；然后在界面“preprocessing”处下拉式菜单中选择“None”，在界面“Algorithm”处下拉式菜单中选择“LS”最后点击界面上的“Start”按钮，得到如图 1-5 所示的分类结果，其中黑线为最小平方误差准则的分类结果，红线为贝叶斯决策器的分类结果。将这两种分类结果的比较（分类效果好坏，能否将样本完全分开等）记录下来，并使用屏幕拷贝方式将分类结果保存于 WORD 文档里，最后如实记录界面“classification errors”处显示的分类错误率。

5 用近邻法对双螺旋样本进行分类。

首先点击界面“Filename”处的下拉式菜单，在文件列表中选择双螺旋样本文件 Spiral.mat；然后在界面“preprocessing”处下拉式菜单中选择“None”，在界面“Algorithm”处下拉式菜单中选择“Nearest Neighbor”，在界面“Num of nearest neighbor”处填入数字“3”，最后点击界面上的“Start”按钮，得到如图所示的分类结果。使用屏幕拷贝方式将该分类结果保存于 WORD 文档里，并记录界面“classification errors”处显示的分类错误率。

6 特征提取方法对分类效果的影响。用感知准则对两类可分样本进行分类。

首先点击界面“Filename”处的下拉式菜单，在文件列表中选择可分样本文件XOR.mat；然后在界面“preprocessing”处下拉式菜单中选择“PCA”，在界面“New data dimension”处填入数字 2，在界面“Algorithm”处下拉式菜单中选择“Nearest Neighbor”，在界面“Num of nearest neighbor”处填入数字“3”，最后点击界面上的“Start”按钮，得到如图（a）所示的分类结果。使用屏幕拷贝方式将该分类结果保存于 WORD 文档里，并如实记录界面“classification errors”处显示的分类错误率。