人工智能实验二.pdfVIP

昆明理工大学信息工程与自动化学院学生实验报告

（2014—2015学年第1学期）

课程名称：人工智能及其应用开课实验室：信自5042014年12月14日

年级、专业、班学号姓名

实验项目名称手写数字识别指导教师王剑

该同学是否了解实验原理：A.了解□B.基本了解□C.不了解□

该同学的实验能力：A.强□B.中等□C.差□

教

该同学的实验是否达到要求：A.达到□B.基本达到□C.未达到□

实验报告是否规范：A.规范□B.基本规范□C.不规范□

师

实验过程是否详细记录：A.详细□B.一般□C.没有□

评

教师签名：

语

年月日

一、实验目的及内容

1.手写数字的识别

-参见week8中的资料

-任选两种方法完成识别

-可选的方法有：模板匹配、欧式举例、bayes、神经网络、决策树等

-需对模式识别的基本原理和过程、本题中涉及的数字特征的提取和表示问题做阐述

二、所用仪器、材料（设备名称、型号、规格等或使用软件）

1台PC以及matlab2012软件。

三、实验方法、步骤（或：程序代码或操作过程）

实现方法为四个步骤（1）数据获取和预处理

（2）特征抽取和选择

（3）分类器设计

-1-

（4）使用分类器进行分类

数字图像被分成5行5列的格子，共5*5个特征。

X:(x1,x2,x3,……x25)

共有9个数字，因此X有9类

特征的计算：

统计每个格子中黑色像素的个数，除以该格子中所有的像素数目，即得一个特征

手写数字特征保存在templet中，由结构体pattern表示

数字‘1’的5个样本

的特征矩阵

每列代表一个样品

每行代表一个特征

手写数字图像9_1.bmp特征提取的代码如下：

-2-

-3-

该手写数字的特征向量如右所示：

1.基于二值数据的贝叶斯分类器

计算先验概率P(ωi)

计算类条件（先验）概率P(X|ωi)

P(X|ωi)=∏P(xj=a|ωi)其中i=1…9,j=0…24，a=0或1，P(xj=a|ωi)=(∑

xj+1)/(Ni+2)

应用Bayes公式求后验概率

P(ωi|X)=P(ωi)*P(X|ωi)

后验概率最大值的类别就是手写数字的所属类别

Testing运行：bayesBinaryTest

functiony=bayesBinary(sample);

clc;

loadtempletpattern;

sum=0;

prior=[];%

p=[];

-4-

likelihood=[];

P=[];

%calcula