您当前的位置:首页 > 主页 > 实验内容 > 模式识别实验
模式识别实验

模式识别是通过计算机用数学技术方法来研究模式的自动处理和判读。K-NN是在已经知道数据的分类情况下,当一个新数据进入的时候,与训练数据里的每个点求距离,用少数服从多数的原则,给新数据归类;贝叶斯分类器通常用一个多变量正态分布来拟合数据,当获得一个新的测试数据,分别求取这个数据点在每个类别的正态分布中的大小,然后用这个值乘以先验概率,得到所要求得的后验概率;非负矩阵分解(NMF)是给定一个非负矩阵V,寻找另外两个非负矩阵W和H来分解它,使得W和H的乘积逼近V;SVM针对线性可分情况进行分析,对于线性不可分的情况,通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分; Boosting方法是一种用来提高弱分类算法准确度的方法,通过构造一个预测函数族,以一定的方式将他们组合成一个强预测函数。模式识别实验基本情况如表4所示。

表4. 模式识别实验基本情况
序号 实验内容 学时 实验平台 考核方式
1 K-NN实验 4 大数据智能感知与计算平台 实验效果和提问70%,实验报告30%
2  Bayes分类器实验 4
3 NMF实验 4
4 SVM实验 4
5 Boosting实验 4
 

Copyright © 2016-2017

电院网络中心设计维护