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。
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。
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。
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。
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。
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。
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。