模式识别课件-(41)--贝叶斯分类器设计实验.pptVIP

模式识别课件-(41)--贝叶斯分类器设计实验.ppt

此“教育”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、本文档共22页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Bayes分类器实验 2.实验内容 3.拓展内容(选做,视频中的运动目标检测)1of6 3.拓展内容(选做,视频中的运动目标检测)2of6 3.拓展内容(选做,视频中的运动目标检测)3of6 3.拓展内容(选做,视频中的运动目标检测)4of6 3.拓展内容(选做,视频中的运动目标检测)5of6 3.拓展内容(选做,视频中的运动目标检测)6of6 Bayes分类器实验 (2)习题4.9 Bayes判决界面示意图 KnNN Pdf Estimate Matlab实验 思考题 (1)Bayes分类器在分类识别中相对于判别域界面方程法有什么优点? (2)在样本概型未知情况下,怎样使用Bayes分类器? (3)最小损失准则Bayes分类器的最小误判概率是否最小?为什么? (4)判别域界面方程法中的累积势函数法与贝叶斯判决存在怎样的联系? * 模式识别 1.实验目的 掌握基于Bayes决策理论的随机模式分类的原理和方法,编写对实际模式样本正确分类的Bayes分类器程序。 2.实验内容 (1)产生二维正态分布模式,并将产生的样本集随机地分为参照集和测试集; (2)用矩估计或最大似然估计法,对(1)产生的样本参照集,估计模式的分布参数; (3)分别设计最小误判概率准则Bayes分类器和最小损失准则Bayes分类器,对(1)中产生的样本测试集进行分类,观察代价函数的设置对分类结果的影响; (4)统计错分概率。 (5)(选做)针对视频数据集或对纸币数据集,重复上述实验。 (6)(选做)用Parzen窗函数法估计概率密度,重复(3)、(4)。 (7)(选做)用Kn近邻元法估计概率密度,重复(3)、(4)。 要求:运用统计模式识别原理,设计一个视频中的运动目标检测程序。 图1 视频中的运动目标检测原理框图 标记运动目标 目标判决 Bayes分类器 判决s(x,y,t)属于哪个GMMi, i=1,2,...,c GMM生成、更新 用矩估计法建立或更新 c个Gauss分布模型GMMi,i=1,2,...,c 输入视频 GMM:Gaussian Mixture Model, GMMi~N(?i,?i), i=1,2,...,c 逐帧、逐点输入像素值s(x,y,t) s(x,y,t) GMM Frames(x,y,1:n), s(x,y,t) =Frames(x,y,t) (1?x?w, 1?y?h , 1?t?n) 一、输入数据结构:Frames:h?w?n三维数组 x y t 第1帧 第2帧 第n帧 h w s(x,y,1) 图2 视频数据结构示意图 表1 GMM(x,y)参数 二、GMM:Gaussian Mixture Model, GMMi~N(?i,?i), i=1,2,...,c 17/50 29/50 4/50 P(?i) 10.28 4.25 1 ?i 86.41 191.62 145 ?i 3 2 1 i ? GMM数据结构:GMM(x,y,?,i),?=(P(?i),?i, ?i)’ h?w?3?c四维数组 三、GMM初始化 GMM数据结构:GMM(x,y,?,i),?=(P(?i),?i, ?i)’ h?w?3?c四维数组 c = 3; %设有3个Guass模型 GMM(:,:,:,2:3)=zeros(h,w); %GMM2,GMM3为空 GMM(:,:,1,1)=ones(h,w); %GMM1只含一点 GMM(:,:,2,1)=Frames(:,:,1);%GMM1一阶矩(均值)为第一帧 GMM(:,:,3,1)=Frames(:,:,1)^2;%GMM1二阶矩为第一帧 四、GMM更新 for k=2:n;x=1:h;y=1:w s=Frames(x,y,k) for i=1:c s?GMM(x,y,:,i)? 更新GMM(x,y,:,j),j=i GMM(x,y,1,j)++; GMM(x,y,2,j) += s; GMM(x,y,3,j) += s^2; Yes 合并最相似的两个GMM(x,y,:,j1) GMM(x,y,:, j2) j=arg min{GMM(x,y,1, j1), GMM(x,y,1,j2)} s?GMM(x,y,:,:)? Yes 新建立GMM(x,y,:,j) GMM(x,y,1,j) = 1; GMM(x,y,2,j) = s; GMM(x,y,3,j) = s^2; No No End 判决s是否是背景 五、背景判决 ?(:) = GMM(x,y,2,:) / GMM(x,y,1,:) ?2(:) = GMM(x,y,3,:) / GMM(x,y,1,:) - ?2 g(:) = GMM(x,y,1,:)/

文档评论(0)

极研教育 + 关注
官方认证
服务提供商

SAC证券行业专业人员持证人

承接各类可行性研究报告撰写,详情加v:JiYan-edu

认证主体天津西青区极研智慧智能科技有限公司
IP属地天津
领域认证该用户于2023年10月01日上传了SAC证券行业专业人员
统一社会信用代码/组织机构代码
91120111MA07276K52

1亿VIP精品文档

相关文档