模式识别实验大纲.docx
模式识别实验大纲一、课程基本信息课程名称（中文）模式识别实验课程名称（英文）PatternRecognition课程类型专业选修课学分3总学时50(34+16)适用对象信息与计算科学专业考核方式闭卷笔试与上机考试结合成绩评定：笔试成绩占60%,机试成绩占20%,平时成绩占20%先修课程高等代数、概率论、高级语言程序设计二、课程简介模式识别实验的内容覆盖了模式识别课程的主要部分。通过实验可以加深学生对模式识别的基本概念、基本理论的理解。本实验课程的任务是让学生利用mat1ab语言实现模式识别的各种算法，为后续课程的学习打下良好的基础。三、实验目的着重练习一些常用的模式识别技术，比如贝叶斯分类，基于K1变换的特征提取，人工神经网络模式识别，还有活动形状模型，遗传算法等比较先进的技术，为继续深入学习或进行科学研究打下坚实的基础。四、实验内容与要求（-）贝叶斯分类实验1 .实验目的（1）设计简单的线性分类器，了解模式识别的基本方法。（2）掌握利用贝叶斯公式进行设计分类器的方法。2 .实验内容和要求（1）简单分类：有两类样本（如妒鱼和蛙鱼），每个样本有两个特征（如长度和亮度），每类有若干个（比如20个）样本点，假设每类样本点服从二维正态分布，自己随机给出具体数据，计算每类数据的均值点，并且把两个均值点连成一线段，用垂直平分该线段的直线作为分类边界。再根据该分类边界对一随机给出的样本判别类别°画出图形。(2)贝叶斯分类：根据贝叶斯公式，给出在类条件概率密度为正态分布时具体的判别函数表达式,用此判别函数设计分类器。数据随机生成,比如生成两类样本(如鲸鱼和鞋鱼)，每个样本有两个特征(如长度和亮度)，每类有若干个(比如20个)样本点，假设每类样本点服从二维正态分布，随机生成具体数据，然后估计每类的均值与协方差，在下列各种情况下求出分类边界。先验概率自己给定，比如都为0.5。如果可能，画出在两类协方差不相同的情况下的分类边界。(二)K1变换实验1 .实验目的(1)掌握特征提取的基本方法。(2)掌握基于K1变换的特征提取的方法。(3)培养学生灵活使用K1变换进行模式识别的能力设计简单的线性分类器，了解模式识别的基本方法。2 .实验内容和要求给出OR1人脸数据库，共有400幅人脸图像(40人，每人10幅，大小为92*112象素)。选取数据库中的部分样本(每个人的前5张图片)作为训练样本，其余作为未知的测试样本。从训练样本中得到K1变换矩阵，然后对训练样本和测试样本都进行变换，用变换后的数据作最近邻识别，距离可以为对应灰度值之差的平方和，统计识别率。(H)活动形状模型3 .实验目的(1)掌握利用活动形状模型确定物体轮廓的方法。4 .实验内容和要求(1)给出一图形，利用活动轮廓模型(ActiveContourModeI)或者活动形状模型(ActiveShapeMode1)确定该物体的轮廓。(四)线性判别函数5 .实验目的(1)掌握感知器准则(利用梯度下降法求解线性判别函数)。(2)掌握FiSher线性判别的方法。(3)理解利用最小平方误差准则建立线性分类器的方法。6 .实验内容和要求给出线性可分的两类样本如下，分别利用梯度下降法，FiSher线性判别，最小平方误差准则求解线性判别函数，并对一个新样本进行分类。画出图形。(五)人工神经网络1 .实验目的(1)掌握利用人工神经网络进行数据拟合的方法。(2)掌握利用人工神经网络进行分类的方法。2 .实验内容和要求给出两类样本，构造合适的网路模型，用人工神经网络对未知类别的样本(3,3)进行分类。(六)遗传算法1实验目的(1)掌握用遗传算法求解函数最值的方法。(2)理解遗传算法进行特征选择的过程。3 .实验内容和要求(1)已知：f(x)=x+6*sin(5*x)+7*cos(4*x),试用遗传算法求解函数在0,10范围内的最小值。(2)在实验2中，OR1人脸数据库，选取数据库中每个人的前5张图片作为训练样本，其余作为未知的测试样本。从训练样本中得到K1变换矩阵，使得保留前50个特征向量。对训练样本和测试样本都进行变换，用变换后的数据作最近邻识别，距离可以为对应灰度值之差的平方和，统计识别率。若已知代码如“实验解答2_K1变换实验.赵建威.doc,试用遗传算法从前50个特征向量中选择部分最佳的特征组合，使得识别率达到最大。五、主要仪器设备计算机六、实验学时分配表序实验项目名称学时实验内容实验性质每组人数必/选做演示验证设计综合1贝叶斯分类实验4贝叶斯分类实验1必做2K1变换实验4K1变换实验1必做3线性判别函数2线性判别函数1必做4活动形状模型2活动形状模型1必做5人工神经网络2人工神经网络1必做6遗传算法2遗传算法1必做七、考核方法上机考试为开卷考试八、教材及参考书教材：模式识别，张学工，清华大学出版社，2010参考书：PatternC1assification,SecondEdition,RichardO.DiIda,机械工业出版社，2004.1
